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！

龙图腾网获悉武汉理工大学三亚科教创新园;中国热带农业科学院环境与植物保护研究所申请的专利基于高光谱图像的非光学活性水质参数反演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：CN120293873B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510779248.0，技术领域涉及：G01N21/25；该发明授权基于高光谱图像的非光学活性水质参数反演方法是由陈亚雄;张政;李宁;熊盛武设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本基于高光谱图像的非光学活性水质参数反演方法在说明书摘要公布了：本发明属于农业高光谱图像分类技术领域，公开一种基于高光谱图像的非光学活性水质参数反演方法。本发明包括：数据预处理模块、光谱‑空间特征融合模块、多算法协同反演模块和可视化输出模块；将采集的高光谱图像输入系统，通过融合Transformer架构和Diffusion数据生成技术进行特征学习，结合随机森林、XGBoost等机器学习算法进行参数优化，迭代训练后获得高精度水质反演模型；输入待分析的高光谱遥感影像，输出非光学活性水质参数的空间分布图谱，实现水质参数的智能反演。本发明基于深度学习的自注意力机制挖掘光谱特征关联，通过扩散模型增强数据表征能力，利用多算法协同优化提升模型泛化性能，提高大范围水域监测的效率和参数反演精度。

本发明授权基于高光谱图像的非光学活性水质参数反演方法在权利要求书中公布了：1.一种基于高光谱图像的非光学活性水质参数反演方法，其特征在于，包括： 步骤S1，收集高光谱影像和同步实测水质参数，构建数据集； 步骤S2，构建基于高光谱图像的非光学活性水质参数反演模型，实现非光学活性水质参数反演，所述模型包括：机器学习特征工程模块、DM-ViT训练模块和可视化反演模块；具体的反演过程如下： 步骤S21，利用机器学习特征工程模块生成主成分投影向量过程如下： 步骤S211，利用随机森林特征选择模块，对输入高光谱图像进行特征提取，输出波段敏感子集； 步骤S212，利用XGBoost特征重要性分析模块，对进行增益权重计算，输出带权重要性序列； 步骤S213，利用PCA特征降维模块，对进行正交化处理，生成主成分投影向量； 步骤S22，利用DM-ViT训练模块输出水质参数反演结果，过程如下： 步骤S221，利用DM数据增强模块，使用原始输入样本生成多尺度增强光谱特征，生成光谱特征增强训练集； 步骤S222，利用ViT特征提取模块，对光谱特征增强训练集进行特征提取、特征映射与全局平均池化，输出水质参数反演结果； 步骤S23，利用可视化反演模块，对水质参数反演结果进行处理，输出目标水域的氮、磷浓度空间分布图； 步骤S3，将数据集中的样本输入水质参数反演模型中，计算总损失函数值，进行反向传播，通过AdamW优化器和动态学习率策略对模型权重进行优化，训练多轮后得到最终的水质参数反演模型； 所述步骤S23中，可视化反演模块输出目标水域的氮、磷浓度空间分布图的过程如下： 步骤Sf1，生成高光谱影像动态掩膜，读取输入高光谱影像，基于波段阈值条件构建动态掩膜矩阵； 步骤Sf2，进行像素级归一化与预测，对满足的像素点，提取光谱向量，再通过预训练的MinMaxScaler归一化器进行归一化； 步骤Sf3，重构空间分布图，将预测结果映射至原始影像空间维度，生成浓度矩阵； 步骤Sf4，根据输入影像元数据meta更新输出参数，将Y写入单波段栅格文件O，并采用行列遍历算法逐像素填充预测值，生成目标水域的氮、磷浓度空间分布图； 步骤Sf5，进行分布式存储管理，构建层级化输出目录结构，基于输入文件路径递归创建目录函数确保数据存储完整性，输出目标水域的氮、磷浓度空间分布图； 步骤S4，基于训练好的水质参数反演模型，输入待处理的高光谱影像，输出目标水域的氮、磷浓度空间分布图。

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武汉理工大学三亚科教创新园;中国热带农业科学院环境与植物保护研究所，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；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”。