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！

龙图腾网获悉广州百枝科技信息有限公司申请的专利基于无人机采集数据的矿产资源识别模型训练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：CN119577615B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411646085.0，技术领域涉及：G06F18/2431；该发明授权基于无人机采集数据的矿产资源识别模型训练方法是由樊少丽设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于无人机采集数据的矿产资源识别模型训练方法在说明书摘要公布了：本发明涉及人工智能领域，具体涉及基于无人机采集数据的矿产资源识别模型训练方法。该训练方法包括采集真实地质数据、训练数据生成模型并采用已训练数据生成模型生成模拟地质数据，与真实地质数据共同作为训练样本训练特征提取模型、分类模型。现有的基于无人机采集数据的矿产资源识别模型训练方法存在矿产资源识别模型的模型精度较低、计算速度较慢的问题，本发明提供的基于无人机采集数据的矿产资源识别模型训练方法能够使矿产资源识别模型的模型精度较高、计算速度较快。

本发明授权基于无人机采集数据的矿产资源识别模型训练方法在权利要求书中公布了：1.基于无人机采集数据的矿产资源识别模型训练方法，其特征在于，包括： S1、通过装备在无人机上的多个不同种类的传感器在所述无人机在矿产资源区域飞行时实时采集所述矿产资源区域的真实地质数据，对所述真实地质数据进行初步处理并存储，标注初步处理后的所述真实地质数据的矿产资源类别； 所述标注的方式为由专业地质学家结合所述矿产资源区域的现场样本分析所述真实地质数据进行精确标注； S2、采用标注后的所述真实地质数据训练基于动态梯度调整的生成对抗网络算法构建的数据生成模型，训练所述基于动态梯度调整的生成对抗网络算法构建的数据生成模型时采用基于动态梯度调整的生成对抗网络算法，得到已训练数据生成模型，采用所述已训练数据生成模型生成模拟地质数据，将所述模拟地质数据与标注后的所述真实地质数据共同作为训练样本； 训练基于动态梯度调整的生成对抗网络算法构建的数据生成模型包括： S201、初始化生成对抗网络的生成器和判别器的网络参数； S202、在对抗训练过程中，生成器和判别器交替进行训练，生成器假地质数据，判别器则判断输入是来自真实地质数据集还是生成器，通过这种方式，生成器学习生成越来越难以被判别器区分的地质数据； 在对抗训练阶段，作为损失函数中的判别器输出的判别器对真实样本的判断结果Dcx和判别器对生成器产生的假地质数据的判断结果DcGcz是通过具有Sigmoid激活函数的神经网络层来实现，确保输出值在0和1之间，表示为： 式中，fc为判别器网络的线性输出，为判别器的权重； S203、在每一轮训练中，根据判别器的反馈，动态调整生成器与判别器的学习率，当判别器准确度过高时，增加生成器的学习率，降低判别器的学习率，反之亦然，这种动态调整帮助避免训练过程中的模式坍塌，确保地质数据生成的多样性，动态梯度调整是通过调整学习率实现，调整策略表示为： 式中，为生成器的学习率，η0为基础学习率，为生成器学习率的调整系数，||||为L2范数，为生成器的损失函数关于其参数的梯度，为生成器的损失函数，为判别器的学习率，为判别器学习率的调整系数，为判别器的损失函数关于其参数的梯度，为判别器的损失函数； S204、利用自相似性原理引导生成器关注地质数据的局部相似性，提高假地质数据的质量和实用性，自相似性调整通过在生成器的损失函数中添加正则化项来引导模型重视局部地质数据的自相似性特征，正则化项的计算公式为： RcGcz＝βc∑i,j||Gczi-Gczj||+scGcz， 式中，Rc为自相似性正则化项计算函数，Gcz为生成器产生的假地质数据，βc为生成对抗网络的正则化系数，Gczi为假地质数据中的第i个特征区域，Gczj为假地质数据中的第j个特征区域，sc为自相似性描述子计算函数； S205、重复迭代步骤S202～步骤S204，直至满足预设的停止迭代条件； S3、判断所述训练样本的数据特征维度，当所述数据特征维度大于或等于20时，采用所述训练样本训练基于双重约束的自编码器算法构建的特征提取模型，训练所述基于双重约束的自编码器算法构建的特征提取模型时采用基于双重约束的自编码器算法；当所述数据特征维度小于20时，采用基于动态群体进化优化的神经网络算法构建的特征提取模型，训练所述基于动态群体进化优化的神经网络算法构建的特征提取模型时采用基于动态群体进化优化的神经网络算法；得到已训练特征提取模型以及特征提取后的训练样本； S4、采用所述特征提取后的训练样本训练基于量子变换剪枝的深度神经决策树分类算法构建的分类模型，训练所述基于量子变换剪枝的深度神经决策树分类算法构建的分类模型时采用基于量子变换剪枝的深度神经决策树分类算法，得到已训练分类模型。

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广州百枝科技信息有限公司，其通讯地址为：510000 广东省广州市南沙区南沙街金环街3号1404房；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”。