买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国林业科学研究院资源信息研究所申请的专利一种基于多模态数据的单木树冠分割深度学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119048748B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410968398.1，技术领域涉及：G06V10/26；该发明授权一种基于多模态数据的单木树冠分割深度学习方法是由张怀清;王林龙;张京;杨廷栋;陈艳;蒋娴设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本一种基于多模态数据的单木树冠分割深度学习方法在说明书摘要公布了：一种基于多模态数据的单木树冠分割深度学习方法，属于林业科学研究中的人工智能技术领域。基于高分影像GF‑2、激光雷达LiDAR点云特征和超高分辨率RGB多模态数据，融合矢量化树冠后处理策略，提出深度学习模型，即多模态树冠划分融合网络MTCDFNet，通过综合多模态遥感数据的森林结构、光谱和纹理特征，实现在多冠层、多树种亚热带森林中树冠的准确分割。

本发明授权一种基于多模态数据的单木树冠分割深度学习方法在权利要求书中公布了：1.一种基于多模态数据的单木树冠分割深度学习方法，其特征在于，含有以下步骤： 基于高分影像GF-2、激光雷达LiDAR点云特征和超高分辨率RGB多模态数据，融合矢量化树冠后处理策略，提出深度学习模型，即多模态树冠划分融合网络MTCDFNet，通过综合多模态遥感数据的森林结构、光谱和纹理特征，实现在多冠层、多树种亚热带森林中树冠的准确分割，多模态树冠划分融合网络采用编码器、解码器encoder-decoder的架构，编码器用于提取抽象的、可区分的特征，解码器将提取的特征用于树冠准确预测， 多模态树冠划分融合网络在编码器中，形成了三个分支结构： 一个是用于超高分辨率RGB即UHR，0.0623m图像的纹理特征提取； 一个是用于高分辨率1mGF-2图像的光谱特征提取； 一个用于LiDAR点云数据的森林结构特征提取； 三个分支提取的特征具有互补性， 多模态树冠划分融合网络构建三分支融合模块0～三分支融合模块N，用于将三个分支提取的多层次特征集成到一个联合特征空间中， 三分支融合模块为两个连续的子模块，通道注意力模块和空间注意力模块生成通道和空间注意力图， 上下文感知模块，包括核大小为1的卷积层通过从输入数据中提取特定特征，具有1、3和5膨胀的非对称卷积允许卷积层在不过度增加参数的情况下在更大区域上捕获更多上下文信息，以及全局平均池层通过捕获特征图的全局上下文来提供特征的整体视图， 采用门控注意机制gatedmechanisms作为多级融合模块，多级融合模块利用高级特征来指导低级特征，突出重要的空间细节，滤除不相关的噪声， 对树冠在不同发育阶段的外观和内在属性的差异，引入具有递归残差结构的循环残差块RRConv，整合CNN内的残差连接和递归连接，提高网络捕获跨不同阶段的时间依赖的能力，同时缓解由过深层数网络造成的梯度消失, 其中：三分支融合模块0的输出对应于多级融合模块N的输入， 三分支融合模块1的输出对应于多级融合模块N-1的输入；…… 三分支融合模块N-1的输出对应于多级融合模块1的输入， 三分支融合模块N的输出对应于上下文感知模块的输入， 三分支融合模块N与上下文感知模块、循环残差卷积模块1串联连接，循环残差卷积模块1以及多级融合模块1、循环残差卷积模块2、多级融合模块2、循环残差卷积模块3……多级融合模块N、循环残差卷积模块N+1串联连接。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国林业科学研究院资源信息研究所，其通讯地址为：100091 北京市海淀区香山路东小府2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。