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！

龙图腾网获悉华中师范大学;湖北省地理国情监测中心申请的专利一种农业用地新增光伏检测深度学习方法及设备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：CN121505464B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610040331.0，技术领域涉及：G06V20/10；该发明授权一种农业用地新增光伏检测深度学习方法及设备是由吴浩;赵瑞娜;洪亮;何丽华;谢君洋设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本一种农业用地新增光伏检测深度学习方法及设备在说明书摘要公布了：本发明公开了一种农业用地新增光伏检测深度学习方法，针对农田场景中变化检测边界模糊、误检漏检问题，构建PV‑ChangeNet模型，实现了光伏扩张区域的高精度定位与判别，PV‑ChangeNet模型采用编码器和解码器结构，结合多尺度上下文融合注意力模块，以增强不同尺度下光伏特征的语义一致性，添加边界感知逐级差异放大模块，逐层提取并增强双时相特征之间的差异信息和边界特征，有效压制无关背景噪声，还构建语义解码分支结合语义约束模块，利用双时相特征与基础状态特征的融合与注意力引导，进一步提升新增光伏区域的识别准确性，通过多模块协同设计，有效提升了农田背景下光伏电站变化检测的精度与鲁棒性。

本发明授权一种农业用地新增光伏检测深度学习方法及设备在权利要求书中公布了：1.一种农业用地新增光伏检测深度学习方法，其特征在于，包括以下步骤： 步骤1、获取两个年份的多光谱遥感影像数据，并进行预处理； 步骤2、将两个年份中对应时段的预处理后的多光谱遥感影像数据构建为双时相多光谱遥感影像并进行配准，并构建出配准双时相多光谱遥感影像中的新增光伏区域对应的黑白二值图，将配准双时相多光谱遥感影像及黑白二值图分别构建为样本数据中的输入样本和真实标签，得到样本集并进行扩充，并对扩充后的样本集划分为训练集、测试集、以及验证集； 步骤3、构建PV-ChangeNet模型及损失函数； 步骤4、通过训练集对PV-ChangeNet模型进行训练，训练完成后保存模型参数； 步骤5、获取已知年份和待检测年份的多光谱遥感影像数据的对应时段的多光谱遥感影像数据，并依次进行步骤1和步骤2的处理，最后输入到训练完成的PV-ChangeNet模型中，得到包括新增光伏区域的预测影像， 所述PV-ChangeNet模型包括编码器和解码器，PV-ChangeNet模型的编码器包括两条相同的权值共享的ResNet架构的孪生神经网络的编码器部分、多尺度上下文融合注意力模块MCFAM、以及变化检测中心块CD，所述PV-ChangeNet模型的解码器包括两条相同的权值共享的ResNet架构的孪生神经网络的解码器部分； 所述孪生神经网络包括两个ResNet模块，配准双时相多光谱遥感影像分别输入到两个ResNet模块中，ResNet模块的编码器部分输出特征图，ResNet模块的解码器部分输出特征图，其中，和均为ResNet模块输出的特征图的序号，，，为ResNet模块的序号，，的特征图尺寸依次减半，的尺寸依次增大一倍；其中，ResNet模块的编码器部分的第个下采样层与解码器部分的第个上采样层通过分割中心连接，ResNet模块的编码器部分的其余下采样层与解码器部分的对应序号的上采样层均进行跳跃连接； 所述多尺度上下文融合注意力模块通过空间和通道双路径注意力机制，增强浅层与深层特征图中的语义一致性，当时，多尺度上下文融合注意力模块的输入为特征图、特征图、以及特征图，其中，当时，多尺度上下文融合注意力模块的输入仅为特征图、以及特征图，当时，多尺度上下文融合注意力模块的输入仅为特征图、以及特征图；多尺度上下文融合注意力模块的输出为特征图； 特征图和特征图输入到所述变化检测中心块CD，特征图和特征图的差值结果依次通过个级联的空洞卷积单元，各空洞卷积单元具有相同的输入输出通道、相同的卷积核大小，但膨胀率依次增大，最后差值结果与所有空洞卷积单元的输出进行逐元素求和，生成增强特征图，变化检测中心块CD输出增强特征图。

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华中师范大学;湖北省地理国情监测中心，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152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。