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！

龙图腾网获悉滁州学院;安徽师范大学申请的专利一种农作物遥感识别模型及农作物遥感识别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：CN117197648B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310760251.9，技术领域涉及：G06V20/10；该发明授权一种农作物遥感识别模型及农作物遥感识别方法是由陈冬花;梁晏祯;邹陈;李虎;汪左;叶李灶;常竹设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种农作物遥感识别模型及农作物遥感识别方法在说明书摘要公布了：本发明公开了一种改进DeepLabV3+农作物遥感识别模型及农作物遥感识别方法，应用于遥感图像识别技术领域，包括：输入层、编码层、解码层和输出层；所述输入层输入归一化遥感图像和植被指数；所述编码层提取输入影像的多尺度的深层语义特征图、第一浅层语义特征图和第二浅层特征图；所述解码层将所述深层语义特征和所述第一浅层语义特征进行合并，并进行上层采样，同时融合所述第二浅层特征图，得到融合特征图；对所述融合特征图进行尺寸调整，通过所述输出层输出。本发明使模型在高分辨率遥感小麦和油菜识别中具有更高的识别精度，识别结果更加满足精准农业的需求。

本发明授权一种农作物遥感识别模型及农作物遥感识别方法在权利要求书中公布了：1.一种农作物遥感识别方法，其特征在于，具体步骤如下： 获取归一化遥感图像和植被指数，作为数据特征集； 利用所述数据特征集采用加权交叉熵损失函数，训练改进DeepLabV3+农作物遥感识别模型，得到最优农作物遥感识别模型； 将待测数据输入所述最优农作物遥感识别模型，输出融合特征图； 对比原始标签与所述融合特征图得到分类结果； 所述改进DeepLabV3+农作物遥感识别模型，包括： 输入层、编码层、解码层和输出层；所述输入层输入归一化遥感图像和植被指数；所述编码层提取输入影像的多尺度的深层语义特征图、第一浅层语义特征图和第二浅层特征图；所述解码层将所述深层语义特征和所述第一浅层语义特征进行合并，并进行上层采样，同时融合所述第二浅层特征图，得到融合特征图；对所述融合特征图进行尺寸调整，通过所述输出层输出； 所述编码层包括：MobilenetV2网络和ASPP模块；所述MobilenetV2网络输出深层语义特征图、第一浅层语义特征图和第二浅层特征图；所述深层语义特征图作为ASPP模块的输入，输出多尺度的深层语义特征图传输到解码层；所述第一浅层语义特征图和所述第二浅层特征图增加注意力机制，作为特征融合的基础； 所述ASPP模块包括一个11的卷积层、三个空洞率分别为6,12,18的33卷积层、以及一个平均池化层和一个经过双注意力机制运算后的特征层；6层并行处理的输出经过一个11的卷积层，与上采样层连接，输出多尺度的深层语义特征图； 所述解码层中第一浅层特征图通过注意力模块与多尺度的深层语义特征图进行融合,经过一个33的卷积层进行上采样，并与第二浅层特征图通过注意力模块后的特征图合并，经过一个33卷积层和上采样层，得到融合特征图； 所述加权交叉熵损失函数，具体公式如下所示： ； 式中N为像素点总数，C为类别总数，c表示训练像素点的类别，n代表第n个训练像素点，yn,c为第n个像素点的真实值，pn,c为第n个像素点的预测值；表示类别c的权重，Nc表示类别c的像素总数。

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滁州学院;安徽师范大学，其通讯地址为：241000 安徽省滁州市琅琊区会峰西路1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。