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！

龙图腾网获悉湖南数界科技有限公司申请的专利基于遥感数据融合的异物智能识别与动态监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：CN121259611B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511802692.6，技术领域涉及：G06V20/10；该发明授权基于遥感数据融合的异物智能识别与动态监测方法是由罗文;李志慧设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本基于遥感数据融合的异物智能识别与动态监测方法在说明书摘要公布了：本发明提供基于遥感数据融合的异物智能识别与动态监测方法，属于图像识别领域；解决了异物识别效率低的问题；具体如下：获取并提取各类道路异物的遥感图片的融合特征；对融合特征进行相似性学习，建立高维索引结构；获取道路上的实时遥感图片，判断道路上是否存在异物；若存在，则标记异物；若不存在，则不处理；获取目标地区的历史自然图像，设计时序特征分析模块、空间特征分析模块和时空联合预测模块，输出目标地区未来时刻的自然环境预测图像；获取实际遥感图像，根据自然环境预测图像在实际遥感图像中标记异常区域；本发明通过对目标地区道路和自然环境中的遥感图片进行获取和特征提取，提高异物识别效率。

本发明授权基于遥感数据融合的异物智能识别与动态监测方法在权利要求书中公布了：1.基于遥感数据融合的异物智能识别与动态监测方法，其特征在于，包括： 获取各类道路异物的遥感图片，提取并融合每类道路异物对应的纹理特征、形状特征和颜色特征，得到融合特征，通过门控注意力机制融合每类道路异物对应的纹理特征、形状特征和颜色特征；对融合特征进行相似性学习，建立高维索引结构；获取道路上的实时遥感图片，判断道路上是否存在异物；若存在，则标记异物；若不存在，则不处理； 获取目标地区的历史自然图像，设计时序特征分析模块、空间特征分析模块和时空联合预测模块，输出目标地区未来时刻的自然环境预测图像；获取实际遥感图像，并将自然环境预测图像与实际遥感图像进行时间对齐，根据自然环境预测图像在实际遥感图像中标记异常区域； 时序特征分析模块的具体步骤如下： 对历史自然图像进行多尺度分解与特征编码，得到自然特征；融合外部环境变量作为额外特征； 对自然特征和额外特征进行标准化与归一化处理，得到历史自然图像的全局特征向量； 将全局特征向量送入LSTMGRU网络的输入端，LSTMGRU网络输入端按时间顺序接收全局特征向量，通过遗忘门、输入门与输出门动态调节时间依赖关系，学习自然环境变化的长期趋势； 在LSTMGRU网络的训练过程中，引入TimeSformer模块，计算不同时间下全局特征向量各参数对应的相关性权重； 引入ARIMA或SARIMA模型学习自然环境的周期性或季节性规律的自然变化，并与自然环境变化的长期趋势合并，得到目标地区自然环境的时间变化趋势； 空间特征分析模块的具体步骤如下： 空间特征分析模块由CNN模型和GNN模型构成； CNN模型提取局部空间结构： 通过多层卷积与池化操作，学习历史自然图像的空间特征，利用浅层卷积捕捉空间特征的纹理与边缘信息，并用深层卷积抽象为高维空间语义特征，将历史自然图像划分为环境单元； GNN模型建模空间邻接关系： 将每个环境单元视为图节点，以空间邻近性或地理相似性定义边权，形成区域间的空间邻接图；通过信息传递机制在相邻节点之间传播特征，实现跨区域的环境变化影响建模，具体过程为： 每个图节点先整合自身初始特征，每个图节点向相邻的图节点发送消息，消息内容融合了自身特征与边的权重信息；相邻节点接收到消息后，结合自身原有特征进行聚合更新，得到目标地区自然环境的空间变化趋势； 时空联合预测模块的具体步骤如下： 通过卷积门控机制学习目标地区自然环境的时间变化趋势与空间变化趋势的依赖关系，再通过双重自注意力机制调整时间和空间维度上权重分配，输出目标地区未来时刻的自然环境预测图像； 实时获取目标地区的自然环境的实际遥感图像，并将自然环境预测图像与实际遥感图像进行时间对齐，在实际遥感图像中标记与自然环境预测图像相冲突的区域，作为异常区域，并反馈； 持续监测目标地区道路上的异物和自然环境上的异常区域。

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湖南数界科技有限公司，其通讯地址为：410114 湖南省长沙市雨花区同升街道汇金路877号嘉华智谷产业园B3栋104；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。