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！

龙图腾网获悉东北林业大学申请的专利一种基于树叶高光谱数据的树龄识别系统及识别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：CN121259573B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511389512.6，技术领域涉及：G06V20/10；该发明授权一种基于树叶高光谱数据的树龄识别系统及识别方法是由何念鹏;李维纲;黄建平;宋文龙设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种基于树叶高光谱数据的树龄识别系统及识别方法在说明书摘要公布了：一种基于树叶高光谱数据的树龄识别系统及识别方法，属于林业调查技术领域。为解决无损伤的进行树龄识别的问题。本发明构建树叶树枝分割模块，对树冠树叶高光谱图像的像素光谱特征进行树叶树枝分割；构建异常样本剔除模块，对树叶的高光谱图像数据进行异常样本剔除；构建特征提取模块，对纯净树叶的高光谱图像数据进行特征提取，首先计算特征与树龄真实值的互信息，然后利用互信息结合偏最小二乘方法进行特征筛选，将筛选后的特征输入到随机森林回归模型中进行再次提取，得到纯净树叶的核心特征；构建叶片识别树龄模型模块，对纯净树叶的核心特征利用构建的叶片识别树龄模型进行树龄识别，得到树龄预测值。本发明实现无损检测树龄。

本发明授权一种基于树叶高光谱数据的树龄识别系统及识别方法在权利要求书中公布了：1.一种基于树叶高光谱数据的树龄识别方法，其特征在于，包括如下步骤： S1.利用高光谱相机采集树冠树叶高光谱图像，预处理后得到树冠树叶高光谱图像的像素光谱特征； S2.构建树叶树枝分割模块，对步骤S1得到的树冠树叶高光谱图像的像素光谱特征进行树叶树枝分割，采用支持向量机方法定义分类规则，并进行目标优化，对树冠树叶高光谱图像的像素光谱特征掩膜裁剪，得到树叶的高光谱图像数据； S3.构建异常样本剔除模块，对步骤S2得到的树叶的高光谱图像数据进行异常样本剔除，利用孤立森林的方法计算树叶的高光谱图像中的像素的异常分数，剔除异常像素，得到纯净树叶的高光谱图像数据； S4.构建特征提取模块，对步骤S3得到的纯净树叶的高光谱图像数据进行特征提取，首先计算特征与树龄真实值的互信息，然后利用互信息结合偏最小二乘方法进行特征筛选，将筛选后的特征输入到随机森林回归模型中进行再次提取，得到纯净树叶的核心特征； 步骤S4的具体实现方法包括如下步骤： S4.1.计算中各高光谱波段反射率的互信息用于衡量两个变量的线性非线性相关性，记为，其中表示样本的树龄真实值；根据互信息值的降序排序，选取前个互信息最大的波段特征，构成互信息筛选后的特征矩阵： ； 其中，表示第个高光谱波段的反射率特征向量，样本总数为Q时，，为特征数量； S4.2.基于步骤S4.1得到的，构建偏最小二乘回归PLS模型如下： ； 其中，，为PLS模型的权重矩阵，表征各筛选特征对树龄预测的影响程度；，为模型的残差矩阵，反映模型预测值与真实值的偏差，满足；计算PLS模型的决定系数，用于衡量模型拟合优度，取值范围，公式如下： ； 其中，表示样本总数，为第个样本的树龄真实值，为使用构建PLS模型对第个样本的树龄预测值，为树龄真实值的样本均值； 计算PLS模型的决定系数的曲率，公式如下： ； 其中，为对特征数量的一阶导数，为对特征数量的二阶导数；最优特征数量为曲率最大时对应的特征数量的值，即，最终选取个特征构成优化后的特征矩阵； S4.3.基于步骤S4.2得到的输入至随机森林回归模型中进行深度特征提取：通过多棵决策树的特征分裂与投票集成，筛选出对树龄识别贡献最大的关键特征，最终得到纯净树叶的核心特征矩阵； S5.构建叶片识别树龄模型模块，对步骤S4得到的纯净树叶的核心特征利用构建的叶片识别树龄模型进行树龄识别，得到树龄预测值。

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东北林业大学，其通讯地址为：150040 黑龙江省哈尔滨市香坊区和兴路26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。