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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于DeeplabV3TC-SVM技术的遥感卫星影像疫木检测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：CN116883863B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310913396.8，技术领域涉及：G06V20/13；该发明授权一种基于DeeplabV3TC-SVM技术的遥感卫星影像疫木检测方法是由方薇;张冬英;刘兴;孙友强;黄河设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种基于DeeplabV3TC-SVM技术的遥感卫星影像疫木检测方法在说明书摘要公布了：本发明涉及一种基于DeeplabV3TC‑SVM技术的遥感卫星影像疫木检测方法，与现有技术相比解决了难以提高疫木检测精度和效果的缺陷。本发明包括以下步骤：遥感卫星影像的采集与预处理；遥感卫星影像疫木检测模型的构建；遥感卫星影像疫木检测模型的训练；遥感卫星影像数据的获取；疫木检测结果的获得。本发明通过改进的特征金字塔ASSP模块和融入多头注意力机制，对DeeplabV3进行改进，加强对遥感卫星影像中疫木的特征提取能力，最后通过SVM分类器提高了疫木检测的效率和精度，为后期的病虫害识别精度和效率的提升打下基础，在提升精度的同时，节约了成本。

本发明授权一种基于DeeplabV3TC-SVM技术的遥感卫星影像疫木检测方法在权利要求书中公布了：1.一种基于DeeplabV3TC-SVM技术的遥感卫星影像疫木检测方法，其特征在于，包括以下步骤： 11遥感卫星影像的采集与预处理：获取高清多光谱卫星遥感影像，并对数据进行图像拼接、切割、大气校正、正射校正预处理形成数据集，并将预处理后的多光谱遥感卫星影像进行数据集疫木标注，形成预处理后的多光谱遥感卫星影像数据集SRC； 12遥感卫星影像疫木检测模型的构建：基于DeeplabV3TC结合SVM构建遥感卫星影像疫木检测模型； 所述遥感卫星影像疫木检测模型的构建包括以下步骤： 121设定遥感卫星影像疫木检测模型的第一部分为DeeplabV3TC语义分割模块、第二部分为SVM疫木分类识别模块； 122设定DeeplabV3TC语义分割模块基于DeeplabV3网络进行改进，其包括：改进特征金字塔ASSP模块、多头注意力W-MSA模块； 1221设定DeeplabV3TC语义分割模块第一层为特征提取网络，特征提取网络为resnet50残差网络，其包括，输入层：接收输入图像；卷积层和池化层：通过卷积操作和池化操作，对输入图像进行特征提取和下采样；残差块：由多个残差模块组成，每个残差模块都有跳跃连接；全局平均池化层：将特征图的高度和宽度进行平均池化，得到固定尺寸的特征图； 设定残差模块A包含两个卷积层和一个跳跃连接，卷积层的输出通过ReLU激活函数后与跳跃连接相加，然后再通过另一个ReLU激活函数；设定残差模块B包含三个卷积层和一个跳跃连接；设定残差模块C包含四个卷积层和一个跳跃连接；设定残差模块D包含六个卷积层和一个跳跃连接；残差模块E包含三个卷积层和一个跳跃连接； 1222设定DeeplabV3TC语义分割模块第二层为特征融合层，该层为改进的特征金字塔ASSP模块； 设定改进的特征金字塔ASSP模块由三个分支组成，其中分支A、分支B是图像经特征提取部分输出后依次进入2个swintransformerblock部分进行特征学习； 分支A和分支B的输入的特征信息经过归一化层LN进行归一化后进入特征学习模块，后进行一个残差操作，接着再经过LN归一化后经过一个多层感知机MLP及一个残差得到输出；其中，分支A的特征学习模块为窗口多头注意力机制W-MSA，分支B的特征学习模块为滑动窗口多头注意力机制SW-MSA；分支C是图像经特征提取部分输出后经过一个池化操作，最后将三个分支输出的特征信息进行融合，得到高层次特征图； 1223设定DeeplabV3TC语义分割模块第三层为解码层， 设定解码层的第一层为双线性插值、第二层为融合层、第三层为多头注意力W-MSA模块、第四层为3×3卷积层、第五层为多头注意力W-MSA模块、第六层为3×3卷积层； 123设定多头注意力W-MSA模块； 设定多头注意力W-MSA模块为在输入时与多个权重矩阵相乘生成多个Q、K、V特征矩阵分别进行自注意力操作， 其中V表示输入特征的向量，Q、K为计算注意力权重的特征向量；多个输出经过Concat操作进行特征联合后经过一个全连接层输出； 多头注意力机制具体计算公式如下： MultiHeadQ,K,V＝Concathead1,...,headnWo， 式中：n为自注意力机制的个数，Q、K、V为输入数据分别与权重矩阵WQ、Wk、Wv相乘得到的三个特征向量，WO为权重矩阵，dx为通道维度，T表示转置运算，Concat表示融合操作，Attention表示注意力函数，SoftMax表示归一化指数函数； 124设定SVM疫木分类识别模块； SVM疫木分类识别模块是图像经DeeplabV3TC网络进行特征提取和特征学习后，SVM作为分类器与DeeplabV3TC网络的输出通过一个SoftMax操作进行连接，通过对特征信息进行分类，实现对疫木的识别； 13遥感卫星影像疫木检测模型的训练：将疫木标注后的数据集输入到遥感卫星影像疫木检测模型中进行训练； 14遥感卫星影像数据的获取：获取遥感卫星影像数据并进行预处理； 15疫木检测结果的获得：将预处理后的遥感卫星影像数据输入训练后的遥感卫星影像疫木检测模型，获得疫木检测结果。

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科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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”。