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！

龙图腾网获悉黑龙江省农垦科学院;武汉大学申请的专利基于机器学习模型的叶龄预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：CN116030345B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211731181.6，技术领域涉及：G06V20/10；该发明授权基于机器学习模型的叶龄预测方法是由任志鹏;曾文治;何杰;敖畅;雷国庆;闫立衡;尹鹏设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于机器学习模型的叶龄预测方法在说明书摘要公布了：本发明公开了一种基于机器学习模型的叶龄预测方法，包括如下步骤：测量获取研究区作物的叶龄数据、遥感影像数据，并对遥感影像数据进行处理，将处理后的遥感影像数据以及叶龄数据划分为训练集、验证集和测试集；构建用于预测作物叶龄的LightGBM模型和CatBoost模型，并采样训练集、验证集和测试集对上述模型的参数进行率定验证，优选出精度最高的模型参数作为优化后的LightGBM模型和CatBoost模型的模型参数；采用贝叶斯模型平均算法BMA将优化后的LightGBM模型和CatBoost模型进行融合，并采用融合后的模型预测叶龄。本发明省去了繁复的人工抽样，通过获取的遥感影像数据就可以得到作物的叶龄数据，大大节省了人力物力。

本发明授权基于机器学习模型的叶龄预测方法在权利要求书中公布了：1.一种基于机器学习模型的叶龄预测方法，其特征在于，包括如下步骤： 步骤1，测量获取研究区作物的叶龄数据、日序数、积温以及遥感影像数据，并对遥感影像数据进行处理，将处理后的遥感影像数据以及叶龄数据划分为训练集、验证集和测试集； 步骤2，构建用于预测作物叶龄的LightGBM模型和CatBoost模型，采用训练集分别训练LightGBM模型和CatBoost模型的模型参数并在验证集上进行验证，最后采用测试集分别对验证后的LightGBM模型和CatBoost模型的模型参数进行精度评价，优选出精度最高的模型参数作为优化后的LightGBM模型和CatBoost模型的模型参数； 步骤3，采用贝叶斯模型平均算法BMA将优化后的LightGBM模型和CatBoost模型进行融合，并采用融合后的模型预测叶龄； 步骤1中，对遥感影像数据进行处理计算获得植被指数、叶面积指数LAI以及作物蒸发蒸腾速率ET； 植被指数包括差值环境植被指数DVI、地表水分指数LSWI、归一化植被指数NDVI、比值植被指数RVI、土壤调节植被指数SAVI和三角植被指数TVI。

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黑龙江省农垦科学院;武汉大学，其通讯地址为：150050 黑龙江省哈尔滨市香坊区香福路101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。