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！

龙图腾网获悉江苏第二师范学院申请的专利基于PLS特征融合卷积神经网络的树种识别分类计数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：CN116958630B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310351837.X，技术领域涉及：G06V10/764；该发明授权基于PLS特征融合卷积神经网络的树种识别分类计数方法是由赖光聖;朱桂龙;王怡静;彭洁;阮磊杰;连跃泽;倪艺洋;陈书文设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本基于PLS特征融合卷积神经网络的树种识别分类计数方法在说明书摘要公布了：本发明公开了基于PLS特征融合卷积神经网络的树种识别分类计数方法，对树木的高光谱图像进行树冠识别，并将图像分割为若干个单木树冠图像；建立偏最小二乘法PLS特征融合CaffeNet卷积神经网络，对CaffeNet卷积神经网络各池化层输出和最终输出进行特征提取，利用PLS方法进行深层特征和浅层特征的融合，并对空间信息的特征融合结果和光谱信息的特征融合进行融合后分类；以分割后的单木树冠图像作为输入，利用训练好的PLS特征融合CaffeNet卷积神经网络进行树木种类识别，并对识别的树木按种类计数。本发明将浅层特征与深层特征结合偏最小二乘法进行并行特征融合，实现树种的准确分类计数。

本发明授权基于PLS特征融合卷积神经网络的树种识别分类计数方法在权利要求书中公布了：1.一种基于PLS特征融合卷积神经网络的树种识别分类计数方法，其特征在于，包括： S100对树木的高光谱图像进行树冠识别，并将图像分割为若干个单木树冠图像； S200建立偏最小二乘法PLS特征融合CaffeNet卷积神经网络，其结构为： 在CaffeNet卷积神经网络结构的基础上，在每个池化层后插入一个由1×1卷积层、非线性激活层、全局平均池化层组成的分支CNN进行特征提取； 第一个池化层、第二个池化层的分支CNN后连接第一PLS融合模块；第三个池化层的分支CNN和第二个全连接层后连接第二PLS融合模块，第一特征融合模块和第二特征融合模块连接第三PLS融合模块； 分别以高光谱图像的空间信息和光谱信息为输入获取第三PLS融合模块输出的特征融合结果，空间信息的特征融合结果和光谱信息的特征融合结果输入第四PLS融合模块； 第四特征融合模块后依次连接三个全连接层和分类器； 所述分支CNN特征提取流程如下： 池化层的输出结果输入1×1卷积层，输出结果如下： 1 其中，b是分支序号，假设共B个分支，L是输出通道的数量，是权重；是第k个输入通道的特征，共个输入通道； 1×1卷积层输出结果经非线性激活层进行单侧抑制后输入GAP层； 用表示的第项；得到GAP层输出如下： 2 令： 3 该L维向量即为第b分支的输出； 所述第一PLS融合模块、第二PLS融合模块、第三PLS融合模块、第四PLS融合模块执行的PLS融合流程包括： 取与进行PLS算法并行融合，其中指浅层特征的维度，指深层特征的维度； 对与分别给定数据矩阵与，其中假设中心变量和为零均值，利用与分别表示与的协方差矩阵，其中，，根据下式4-7对与进行分解： 4 5 6 7 其中，和分别是加载向量，和分别是投影权值，T和U是n×l的矩阵，分别为和的投影，P和Q分别是m×l和p×l的正交载荷矩阵，矩阵E和F是误差项，服从独立同分布的正态分布随机变量； 找到最佳特征对后，建立所有特征投影向量构成的矩阵，将原始特征向量分别向两个子空间投影，将最高度协变的特征对添加到融合向量中，得到新特征，即PLS融合结果； S300采集树木高光谱图像并人工标注树种，构建树木图像训练集和验证集，用于训练S200建立的PLS特征融合CaffeNet卷积神经网络； S400以分割后的单木树冠图像作为输入，利用训练好的PLS特征融合CaffeNet卷积神经网络进行树木种类识别，并对识别的树木按种类计数。

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江苏第二师范学院，其通讯地址为：210013 江苏省南京市北京西路77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。