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！

龙图腾网获悉中山大学申请的专利一种基于深度学习的高光谱遥感图像甲烷点源检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：CN119672537B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202411852384.X，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的高光谱遥感图像甲烷点源检测方法是由贺智;周承乐;王莉;陈一铭设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种基于深度学习的高光谱遥感图像甲烷点源检测方法在说明书摘要公布了：本发明提出一种基于深度学习的高光谱遥感图像甲烷点源检测方法，包括获取原始甲烷高光谱图像，从原始甲烷高光谱图像分离获得甲烷点源背景子空间和甲烷点源目标子空间；将所述原始甲烷高光谱图像、甲烷点源背景子空间和甲烷点源目标子空间输入到构建的基于深度学习的高光谱遥感图像甲烷点源检测模型中，获得重构甲烷高光谱图像和甲烷点源检测位置；基于原始甲烷高光谱图像、重构甲烷高光谱图像和甲烷点源检测位置建立总损失函数，对所述检测模型进行优化，当总损失函数值达到最小时，获得训练好的检测模型；获得待检测甲烷高光谱图像，输入到训练好的检测模型，获得对应甲烷点源检测位置。本发明能提高甲烷点源检测模型精度。

本发明授权一种基于深度学习的高光谱遥感图像甲烷点源检测方法在权利要求书中公布了：1.一种基于深度学习的高光谱遥感图像甲烷点源检测方法，其特征在于，包括以下步骤： 获取原始甲烷高光谱图像，从原始甲烷高光谱图像分离获得甲烷点源背景子空间和甲烷点源目标子空间； 将所述原始甲烷高光谱图像、甲烷点源背景子空间和甲烷点源目标子空间输入到构建的基于深度学习的高光谱遥感图像甲烷点源检测模型中，获得重构甲烷高光谱图像和甲烷点源检测位置； 基于原始甲烷高光谱图像、重构甲烷高光谱图像和甲烷点源检测位置建立总损失函数，对构建的基于深度学习的高光谱遥感图像甲烷点源检测模型进行优化，当总损失函数值达到最小时，获得训练好的基于深度学习的高光谱遥感图像甲烷点源检测模型； 获得待检测甲烷高光谱图像，输入到训练好的基于深度学习的高光谱遥感图像甲烷点源检测模型，获得对应甲烷点源检测位置； 所述基于深度学习的高光谱遥感图像甲烷点源检测模型具体结构如下： ReLU激活函数层的输入端和第一卷积层的输入端分别作为所述基于深度学习的高光谱遥感图像甲烷点源检测模型的第一输入端和第三输入端，拼接层的第二输入端和第二矩阵相乘层的第一输入端均作为所述基于深度学习的高光谱遥感图像甲烷点源检测模型的第二输入端； 甲烷点源背景子空间与ReLU激活函数层的输入端连接，ReLU激活函数层的输出端与拼接层的第一输入端连接，拼接层的输出端与第一矩阵相乘层的第一输入端连接，第一矩阵相乘层的第二输入端与第二Reshape层的第一输出端连接，第一矩阵相乘层的输出端和第一Reshape层的输入端连接； 原始甲烷高光谱图像与第一卷积层的输入端连接，第一卷积层、LeakyReLU激活函数层、多尺度Transformer模块、第二卷积层、第一Softmax层、第二Reshape层依次连接； 甲烷点源目标子空间分别与拼接层的第二输入端和第二矩阵相乘层的第一输入端连接，第二Reshape层的第二输出端与第二矩阵相乘层的第二输入端连接，第二矩阵相乘层的输出端与第三Reshape层的输入端连接，第三Reshape层的输出端分别与第三卷积层、第四卷积层的输入端连接，第三卷积层、第四卷积层的输出端分别与第三矩阵相乘层的第一、第二输入端连接； 第一Reshape层的输出端和第三矩阵相乘层的输出端分别作为所述基于深度学习的高光谱遥感图像甲烷点源检测模型的第一输出端和第二输出端。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。