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！

龙图腾网获悉南京林业大学申请的专利一种边坡坡面植被覆盖率测量方法、装置及相关组件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：CN116433596B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310209913.3，技术领域涉及：G06T7/00；该发明授权一种边坡坡面植被覆盖率测量方法、装置及相关组件是由葛琦;何炳坤;吕庆;仉文岗;杨平;孙红月设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种边坡坡面植被覆盖率测量方法、装置及相关组件在说明书摘要公布了：本发明公开了一种边坡坡面植被覆盖率测量方法、装置及相关组件，涉及植被率覆盖测量领域。该方法包括：基于COCO数据集和斜坡影像语义分割网络构建预训练模型，并利用训练集中所有的植被样本图像对预训练模型进行模型迁移，得到迁移学习模型；将植被样本图像输入迁移学习模型，得到评估结果；基于评估结果，计算评估系数；在评估系数满足预设系数阈值后，输出坡面植被覆盖情况图像分割模型；将采集的目标坡面图像输入至坡面植被覆盖情况图像分割模型，得到坡面植被分割结果；基于像素点定量表征坡面植被分割结果，得到坡面植被覆盖率并输出。该方法利用较少的植被样本图像，即可构建出能够输出较精确的坡面植被覆盖率的坡面植被覆盖情况图像分割模型。

本发明授权一种边坡坡面植被覆盖率测量方法、装置及相关组件在权利要求书中公布了：1.一种边坡坡面植被覆盖率测量方法，其特征在于，包括： 对搜集到的所有植被样本图像进行预处理，并将预处理后的所有植被样本图像按照预设比例随机切分成训练集和测试集； 基于COCO数据集和斜坡影像语义分割网络构建预训练模型，并利用所述训练集中所有的植被样本图像对所述预训练模型进行模型迁移，得到坡面植被覆盖情况迁移学习模型； 利用所述测试集中所有的植被样本图像输入所述坡面植被覆盖情况迁移学习模型，得到包含预测值和真实值关系的评估结果； 基于得到的所有所述评估结果，按下式计算评估系数ε 其中，表示所述坡面植被覆盖情况迁移学习模型输出的预测值的集合，ω表示来自测试集中真实值的集合，表示预测值和真实值的交集，表示预测值和真实值的并集； 在所述评估系数满足预设系数阈值后，输出得到优化后的坡面植被覆盖情况图像分割模型； 将采集的目标坡面图像输入至所述坡面植被覆盖情况图像分割模型，得到坡面植被分割结果； 基于像素点定量表征所述坡面植被分割结果，得到坡面植被覆盖率并输出； 所述基于像素点定量表征所述坡面植被分割结果，得到坡面植被覆盖率并输出，包括： 基于测量区域选取指令，预选取所述目标坡面图像中的目标坡面区域； 按下式获取坡面植被分割结果在所述目标坡面区域中的像素量占比： 其中，Ⅰ表示目标坡面区域内植被分割像素点数目，Ⅱ表示目标坡面区域全部面积对应的像素点数目，二者比值R表示坡面植被覆盖率； 所述基于COCO数据集和斜坡影像语义分割网络构建预训练模型，具体的，斜坡影像语义分割网络由主干子网络、特征金字塔子网络、提议子网络、全卷积子网络的子网络构成，所述构建预训练模型流程包括： 将COCO数据集中的原始图像依次输入主干子网络、和特征金字塔子网络，得到对应的特征图； 对所述特征图中每一个像素位置设定预设数量的候选感兴趣区域； 将各所述候选感兴趣区域分别输入至区域提议子网络，输出各候选感兴趣区域具有目标物体的概率得分； 判断各所述概率得分是否超过预设得分阈值，若当前所述概率得分超过预设得分阈值，则判定对应的当前候选感兴趣区域为目标感兴趣区域； 对各所述目标感兴趣区域进行双线性插值和最大值池化处理，使得原始图像中的像素点和对应的目标感兴趣区域的像素点对齐； 将对齐后的所述目标感兴趣区域输入全卷积子网络执行边框回归任务，按下式得到对应的真实边框函数： 其中，δx、δy、δa、δb表示原始边框P的四维向量，表示回归后真实边框函数，αx.、αy.函数分别表示向量x、y平移变换函数，αa.、αb.函数分别表示向量a，b尺度缩放函数。

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南京林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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”。