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！

龙图腾网获悉西南科技大学;哈尔滨工业大学;哈尔滨电站设备成套设计研究所有限公司申请的专利一种基于高光谱的多种作物含水量估计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：CN121191042B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511761810.3，技术领域涉及：G06V20/17；该发明授权一种基于高光谱的多种作物含水量估计方法是由刘爽利;赵江阳;谭立国;初旭;张振宇;刘东举;亓皓宽;霍建文;周怀芳;张静;常志远;刘宏伟;赵志钦设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种基于高光谱的多种作物含水量估计方法在说明书摘要公布了：本发明公开了一种基于高光谱的多种作物含水量估计方法，包括步骤：采集设定区域的高光谱数据，对采集高光谱数据区域的作物设置采样点和采样方案，获得作物含水量；根据高光谱数据进行感兴趣区域提取和数据预处理，获得不同作物的高光谱数据，根据作物的高光谱数据和作物含水量选择特征波长，得到最优波长集合；根据高光谱数据和最优波长集合构建输入矩阵，将输入矩阵输入深度神经网络，建立单作物含水量预测模型；使用单作物含水量预测模型作为源域模型，采用迁移学习的方法对源域模型进行微调，得到多种作物的含水量预测模型。能够有效的提高模型精度和预测能力，实现不同生长阶段的多种作物场景下对作物含水量的精准、快速和无损有效预测。

本发明授权一种基于高光谱的多种作物含水量估计方法在权利要求书中公布了：1.一种基于高光谱的多种作物含水量估计方法，其特征在于，包括以下步骤： S1、设定无人机飞行区域、飞行高度和规划航线，采集设定区域的高光谱数据； S2、对采集高光谱数据区域的作物设置采样点和采样方案，获得不同作物的作物样本，进而得到作物含水量； S3、根据高光谱数据进行感兴趣区域提取和数据预处理，获得不同作物的高光谱数据，根据作物的高光谱数据和作物含水量选择特征波长，得到最优波长集合； S4、根据高光谱数据和最优波长集合构建输入矩阵，将输入矩阵输入深度神经网络，建立单作物含水量预测模型； S5、使用单作物含水量预测模型作为源域模型，采用迁移学习的方法对源域模型进行微调，得到多种作物的含水量预测模型； 根据作物的高光谱数据和作物含水量选择特征波长的方法包括以下分步骤： S31、基于作物的高光谱数据和作物含水量，使用SPA算法粗筛得到候选波长池； S32、根据候选波长池使用基于遗传算法优化的稳健性竞争自适应重加权采样方法进行精筛，筛选出最优波长集合； S31包括以下分步骤： S311、初始化作物的高光谱数据，得到各波段数据向量，计算每个波段数据向量与含水量向量的绝对相关系数； S312、根据绝对相关系数选择与含水量向量相关的波长作为初始波长，建立已选波长集合，对于其余未被选的波长，计算其到已选波长集合的投影，选择具有最大投影的波长加入已选波长集合，得到候选波长池； S32包括以下分步骤： S321、对候选波长池中的波长进行蒙特卡洛采样，根据每个波长的权重按概率构成子集； S322、将高光谱数据按生长阶段划分生长阶段子数据集，在每个独立的生长阶段内对子集使用PLS进行交叉验证，计算子集在生长阶段子数据集上的均方根误差和稳健性指标，进而得到子集的评估目标，该评估目标值越小，子集越好； S323、采用GA算法优化指数衰减中的起始值和衰减率，采用指数衰减根据评估目标对子集进行筛选，得到最优子集； S324、根据设定的迭代次数重复执行S321~S323，输出使评估目标值最小的最优子集，将其作为最优波长集合； S322中，计算稳健性指标的表达式具体为： 式中，为惩罚系数，为子集在生长阶段s子数据集上的均方根误差，为标准差计算公式简写； 子集的评估目标的表达式具体为： 式中，为子集的均方根误差； S323中，采用GA算法优化指数衰减中的起始值和衰减率的方法具体为： 对种群进行初始化，随机生成若干组参数，每组参数包括指数衰减的起始值和衰减率；对于每一组参数，运行一次竞争性自适应重加权算法流程，得到一个最优子集，计算最优子集的适应度，搜寻使适应度最高的一组参数，其中，适应度的表达式具体为： 式中，为最优子集的评估目标。

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西南科技大学;哈尔滨工业大学;哈尔滨电站设备成套设计研究所有限公司，其通讯地址为：621000 四川省绵阳市涪城区青龙大道59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。