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！

龙图腾网获悉内蒙古农业大学申请的专利基于特征提取和机器学习模型的冠层叶绿素含量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：CN120014295B 。

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：202510092587.1，技术领域涉及：G06V10/58；该发明授权基于特征提取和机器学习模型的冠层叶绿素含量反演方法是由付学良;杨小飞;李宏慧;周浩;李峤设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于特征提取和机器学习模型的冠层叶绿素含量反演方法在说明书摘要公布了：本发明属于叶绿素含量反演技术领域，公开了基于特征提取和机器学习模型的冠层叶绿素含量反演方法，包括以下步骤：采用无人机搭载多光谱相机以及地面实测相结合的方式，对马铃薯冠层叶绿素含量数据进行采集与处理并植构建被指数；使用皮尔逊相关性分析和竞争性自适应重加权采样算法进行特征选择；基于机器学习构建叶绿素含量反演模型；基于灰狼优化算法和麻雀优化算法进行叶绿素含量反演模型优化，并进行精度评估。本发明采用上述基于特征提取和机器学习模型的冠层叶绿素含量反演方法，对马铃薯单生育期和全生育期进行对比研究，确定适合单个生育期和全生育期的最佳反演模型，保证了研究的准确性和适用性。

本发明授权基于特征提取和机器学习模型的冠层叶绿素含量反演方法在权利要求书中公布了：1.基于特征提取和机器学习模型的冠层叶绿素含量反演方法，其特征在于，包括以下步骤： 步骤S1、采用无人机搭载多光谱相机以及地面实测相结合的方式，对研究区的马铃薯冠层叶绿素含量数据进行采集与处理，并进行植被指数的构建； 步骤S2、使用皮尔逊Pearson相关性分析和竞争性自适应重加权采样CARS算法对植被指数进行特征选择； 步骤S3、基于机器学习，构建叶绿素含量反演模型，具体过程如下： 步骤S31、随机森林RF：通过建立RF模型对马铃薯冠层冠层叶绿素含量进行反演实验，采用十折交叉验证的方法，不断改变测试集的选择，使得每个子集都有机会成为测试集，评估模型在不同数据子集上的性能； 使用不同优化算法对RF模型的参数进行优化，在每一轮交叉验证中，使用不同的参数组合训练模型，并在测试集上评估模型性能，以获得理想的叶绿素含量反演模型； 步骤S32、支持向量回归SVR：建立SVR模型对马铃薯冠层冠层叶绿素含量进行反演研究，使用RBF核函数对数据进行拟合，其核心表达式，如下所示： （7）； 其中，和是输入样本；是核函数的参数，它决定了样本在特征空间的分布范围； 在训练过程中，使用参数优化算法根据训练数据不断优化参数，对不同的超参数组合进行评估，实现叶绿素含量预测，获得叶绿素含量反演模型； 步骤S33、极端梯度提升XGBoost：将马铃薯叶绿素的数据集按照8:2的比例划分为训练集和测试集，XGBoost模型在训练阶段，以训练集为基础，基于输入特征及目标变量，运用梯度提升策略对决策树进行迭代训练； 在每次迭代中，XGBoost模型首先计算损失函数关于预测值的梯度，随后依据所获取的梯度信息拟合一棵全新的决策树，新生成的决策树学习并纠正先前决策树在预测过程中所产生的错误，逐步提升整个模型的预测性能与精度，得到最优的叶绿素含量反演模型； 步骤S4、基于灰狼优化算法和麻雀优化算法，对步骤S3所构建的叶绿素含量反演模型进行优化，具体过程如下： 步骤S41、基于灰狼优化算法对RF、SVR和XGBoost叶绿素含量反演模型进行参数优化，进行马铃薯冠层叶绿素含量的反演，具体步骤如下： 步骤S411、输入无人机图像数据和实测马铃薯冠层叶绿素含量； 步骤S412、使用Pearson相关性分析法和CARS算法对构建的植被指数进行特征选择； 步骤S413、建立RF、SVR和XGBoost叶绿素反演模型； 步骤S414、初始化灰狼的种群和参数，定义灰狼优化算法的适应度函数用来评估每个参数组合的优劣； 步骤S415、对灰狼个体进行社会等级划分，并计算其相互之间的距离，以确定更新方向和位置，更新灰狼的最佳位置和适应度； 步骤S416、判定是否满足停止条件，如果满足条件则执行步骤S417，否则执行步骤S415； 步骤S417、输出RF、SVR和XGBoost叶绿素反演模型的最佳参数； 步骤S418、对叶绿素反演模型进行训练，获得叶绿素含量反演模型的结果，通过评价指标对模型进行评估； 步骤S42、基于麻雀优化算法对RF、SVR和XGBoost叶绿素反演模型进行参数优化，并进行叶绿素含量的反演，具体步骤如下： 步骤S421、输入无人机图像数据和实测叶绿素含量数据； 步骤S422、采用Pearson和CARS算法选择构建的植被指数； 步骤S423、建立RF、SVR和XGBoost叶绿素含量反演模型； 步骤S424、初始化麻雀种群的位置并定义适应度函数； 步骤S425、根据适应度函数计算每只麻雀的适应度，适应度最好的麻雀被视为发现者，引领种群的搜索方向，其余麻雀被视为追随者，追随者根据发现者和自身的位置来更新自己的位置； 步骤S426、随机选择一部分麻雀作为侦察者，探索新的搜索区域并更新自己的位置，进而更新全局麻雀的最佳位置和适应度； 步骤S427、判断是否满足终止条件，若满足条件则运行步骤S428，否则的话执行步骤S425； 步骤S428、输出麻雀算法优化的最佳模型参数； 步骤S429、进行马铃薯叶绿素含量反演模型的训练，输出叶绿素含量反演模型的结果，评估模型的精度； 步骤S5、对步骤S4优化后的叶绿素含量反演模型进行精度评估。

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内蒙古农业大学，其通讯地址为：010010 内蒙古自治区呼和浩特市赛罕区昭乌达路306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”。