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！

龙图腾网获悉中国水利水电科学研究院;中国灌溉排水发展中心申请的专利基于全物候特征与时序相似性约束的弱监督作物分类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：CN121305206B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511528619.4，技术领域涉及：G06V10/764；该发明授权基于全物候特征与时序相似性约束的弱监督作物分类方法是由杨开静;李艾轩;白明皓;雷波;朱秀珍;刘慧博;张馨月;杨彬;杜丽娟;熊高阳设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本基于全物候特征与时序相似性约束的弱监督作物分类方法在说明书摘要公布了：本发明公开了一种基于全物候特征与时序相似性约束的弱监督作物分类方法，属于农业遥感监测技术领域，解决了现有作物分类方法由于受多重不确定性驱动而导致限制了农业遥感监测能力的问题。本发明在精度与鲁棒性上，以更少的人工标注获得与强监督相当甚至更优的分类与边界质量；在泛化与迁移上，通过模板迭代与参数自适应，支撑跨作物结构、跨气候年份的稳定复用；在工程可用性上，以像元级可靠度与一致性指标支撑批量质检、差异定位与增量重算，满足业务尺度的常态化制图需求。总体而言，本发明将“特征—匹配—学习—评估”四环节有机贯通，建立一条可解释、可控、可迁移的遥感作物制图技术链，为省域至国家尺度的农业监测提供可落地的技术支撑。

本发明授权基于全物候特征与时序相似性约束的弱监督作物分类方法在权利要求书中公布了：1.基于全物候特征与时序相似性约束的弱监督作物分类方法，其特征在于，包括以下个步骤： S1、获取研究区内作物地面样本数据和历史遥感影像数据，对历史遥感影像数据预处理得到每个像元对应的多时相光谱时间序列，并采用作物地面样本数据构建研究区内每一类作物的标准物候模板曲线； S2、根据每个像元的多时相光谱时间序列与每一类作物的标准物候模板，计算反映每个像元与每类作物之间相似度的加权动态时间规整距离，并将最大的两个加权动态时间规整距离之差作为对应像元的分类置信度得分； S3、对每个分类置信度得分进行参数化映射与保序回归校正，得到对应像元误判概率； S31、采用每个分类置信度得分构成概率校准输入的特征向量z，并将z逻辑回归映射为初始正确概率估计函数，其表达式为： 其中，为Logistic函数；为线性变换函数，和分别为截距和权重系数； S32、对进行保序回归校正，得到校正正确概率估计函数： 其中，为基于保序回归从定义域[0,1]到值域[0,1]的单调非递减的映射函数； S33、计算像元误判概率函数； S4、采用错误发现率统计方法对所有像元的误判概率进行分析，筛选出未超过错误发现率阈值的像元集合作为弱监督学习的初始锚点样本集； S41、对进行升序排列，得到序列，其中，、和分别为中第1小、第2小和第小的像元误判概率，为最大的像元误判概率； S42、计算错误发现率阈值： 其中，为满足的最大索引；为像元的个数；为预设的FDR控制水平； S43、选取所有小于的，并赋予对应像元其最相似预测类别，形成初始锚点样本集； S44、通过Benjamini-Hochberg方法计算每个像元对应的最小可达错误发现率，其表达式为： 其中，为从第j小像元误判概率的位置开始，寻找所有中的最小值；为中第m小的像元误判概率；为像元i对应的最小可达错误发现率； S5、将初始锚点样本集输入时空深度学习网络训练得到弱监督分类模型，并采用独立验证样本集对弱监督分类模型进行评价和优化； S6、获取研究区内的当前遥感影像，并输入至预先训练好的弱监督分类模型中，得到研究区对应的作物分类结果。

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中国水利水电科学研究院;中国灌溉排水发展中心，其通讯地址为：100048 北京市海淀区车公庄西路20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。