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！

龙图腾网获悉安徽大学;安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)申请的专利基于多源卫星遥感数据的作物种植信息监测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：CN116012713B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310028513.2，技术领域涉及：G06V20/10；该发明授权基于多源卫星遥感数据的作物种植信息监测方法是由王彪;荀尚培;霍彦峰;何彬方;陈心桐;张宏群;吴文玉;冯妍;于彩霞设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本基于多源卫星遥感数据的作物种植信息监测方法在说明书摘要公布了：本发明属于农业信息化技术领域，具体涉及一种基于多源卫星遥感数据的作物种植信息监测方法，该方法包括步骤：多空间分辨率遥感卫星影像整合；识别目标注意力强弱评估与排序；基于全连接神经网络的特征提取；基于密集连接的特征融合；设计编码‑解码结构，编码特征，最终解码并网络输出作物三七黑色遮荫棚分析结果；本发明研究基于引入密集连接的全卷积神经网络的遥感影像地物边界提取的深度学习模型，设计作物三七黑色遮荫棚多特征的特征抽取、分析能力，通过密集注意力机制进一步增强作物三七黑色遮荫棚的特征传递和累积整合特性，通过自动学习和挖掘，实现顾及作物三七黑色遮荫棚多层次特征的多源卫星遥感作物黑棚自动提取新方法。

本发明授权基于多源卫星遥感数据的作物种植信息监测方法在权利要求书中公布了：1.基于多源卫星遥感数据的作物种植信息监测方法，其特征在于包括以下步骤： 步骤一、多空间分辨率遥感卫星影像整合； 步骤二、识别目标注意力强弱评估与排序； 步骤三、基于全连接神经网络的特征提取； 步骤四、基于密集连接的特征融合； 步骤五、设计编码-解码结构，编码特征，最终解码并网络输出作物黑色遮荫棚分析结果； 步骤一中，在人眼识别经验、注意的特征整合理论认识基础上，利用深度学习和多源遥感数据种植区监测深度学习的训练样本，进一步实现包括， 1作物黑色遮荫棚的立体视觉注意特征分析； 2作物黑色遮荫棚场景的注意力分析方法； 3研究多源遥感数据作物黑色遮荫棚目标的差异和视觉注意力评估方法，以及不同目标注意力评估方法的对比研究； 4从视觉注意力机制角度，建立作物黑色遮荫棚提取深度学习的计算策略及优化流程； 5在进行基于深度学习的高分卫星作物信息智能识别是需要随不同来源的数据进行统一的坐标和投影变换，几何、辐射校正，以选取遥感影像云量较少且质量高的影像； 步骤二中，根据多源遥感数据作物黑色遮荫棚提取所需要识别的目标，以及对应所建立的作物黑色遮荫棚样本库，通过开展步骤一，实现基于深度学习的作物黑色遮荫棚视觉注意特征分析方法、以及基于深度学习的视觉注意力评估方法，并利用这些方法对所需要识别的作物黑色遮荫棚进行视觉注意力强弱评估与排序，以此作为执行作物黑色遮荫棚识别的顺序； 步骤五中，编码过程即为图像下采样特征抽取过程，其输入层为长宽为512×512遥感影像，下采样层包含1个步长为2，卷积核大小为7的卷积层和5个密集连接块，密集连接块记为DenseBlock；最终可将遥感影像抽取为16×16×256的高度抽象特征图；解码过程即特征恢复过程，具体为下采样高度抽象特征图经4次反卷积特征恢复和4次DenseBlock特征提取操作，生成512×512×144的特征恢复图；特征恢复过程中，由跳跃连接结构将上采样与下采样过程中相同长宽特征图进行融合，以提高特征利用度，弥补特征损失；再经一次卷积操作恢复为512×512×2的裸地、背景二值影像图，即输出与输入图像宽高尺度相同的单通道裸地特征图，再通过随机梯度下降优化器和交叉熵损失函数更新特征权重，实现遥感影像特征的学习； 解码结构中，反卷积的高级特征通过跳跃连接层融合编码结构中低级特征，并利用注意力机制指导低级特征获取不同类型的空间细节信息； 最终，网络输出建筑物语义分析结果。

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安徽大学;安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)，其通讯地址为：230601 安徽省合肥市九龙路111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。