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！

龙图腾网获悉武汉市园林科学研究院申请的专利基于人工智能的园林绿化行道树生长预测模型的构建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：CN119557555B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411614702.9，技术领域涉及：G06F17/18；该发明授权基于人工智能的园林绿化行道树生长预测模型的构建方法是由康凯丽;王朴;余劲夫;潘婷婷;洪旗;余静亚;熊桂兰;梁玉婷;张晶晶设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于人工智能的园林绿化行道树生长预测模型的构建方法在说明书摘要公布了：本发明公开了基于人工智能的园林绿化行道树生长预测模型的构建方法，包括：获取树木时间序列图像数据，提取关键点描述符并找出匹配项，计算其差异值，分析各生长阶段匹配项差异值变化模式，构建生长阶段转换模型预测生长阶段时间，得到剩余生长阶段预测时间，依据树木历史生长数据确定线性与非线性相关函数，计算剩余生长阶段预测时间内的环境适应度，根据树木参数判断可生长潜力，结合可生长潜力与环境适应度，运用神经网络构建生长预测模型。该方法构建的神经网络模型全面考量多种因素，可有效提高行道树生长预测的精确性与可靠性，助力园林绿化科学规划与管理，同时具有较好的可解释。

本发明授权基于人工智能的园林绿化行道树生长预测模型的构建方法在权利要求书中公布了：1.基于人工智能的园林绿化行道树生长预测模型的构建方法，其特征在于，包括以下步骤： 获取树木时间序列上的图像数据，提取关键点的描述符，从描述符中提取匹配项，计算匹配项的差异值； 分析树木每个生长阶段的所述匹配项的差异值的变化模式，建立生长阶段转换模型，预测生长阶段的时间，获取树木所有剩余生长阶段的预测时间； 基于树木历史生长数据获取树木生长的线性相关函数和非线性相关函数，基于线性相关函数和非线性相关函数计算树木在所述所有剩余生长阶段的预测时间内的环境适应度； 根据树木参数对树木的可生长潜力进行判断，根据可生长潜力和所述环境适应度构建生长预测模型；所述树木参数包括树高、胸径、冠幅、根系特征和树龄； 所述从描述符中提取匹配项，计算匹配项的差异值的方法，包括： 对于生长阶段前后图像的描述符集合，计算所有描述符间的成对点积，通过对描述符在各维度上的乘积求和，获得相似度矩阵； 利用相似度矩阵找到每行最大值和每列最大值，若描述符满足行最大值和列最大值，则被识别为匹配项； 对匹配项的特征进行归一化处理，使用欧式距离计算差异值； 所述分析树木每个生长阶段的所述匹配项的差异值的变化模式，建立生长阶段转换模型的方法，包括： 获取历史树木样本在各个生长阶段前后图像计算出的匹配项差异值数据，采用K-Means聚类算法，将匹配项差异值数据划分为不同簇，每个簇代表一个生长阶段，确定每个生长阶段对应的差异值范围； 使用决策树算法构建生长阶段转换模型，以每个生长阶段对应的差异值范围和历史生长阶段转换情况作为训练集训练模型； 通过生长阶段转换模型确定下一生长阶段的时间，进行多次迭代，直至获取树木所有剩余生长阶段的预测时间； 所述基于线性相关函数和非线性相关函数计算树木在所述所有剩余生长阶段的预测时间内的环境适应度的方法，包括： 将树木所有剩余生长阶段的预测时间输入至预训练好的随机森林模型中，获得预测环境数据，其中随机森林模型基于历史时间序列和历史环境数据训练得到； 从预测环境数据中获取与建立线性和非线性相关函数时使用的历史环境数据变量一致的环境数据，利用线性相关函数和非线性相关函数进行平均加权计算预测生长值序列； 基于预测生长值序列计算环境适应度，表达式为： 其中，ξ为预测生长值序列中的数据点数量，yi为第i个预测生长值，为生长阶段内所有预测生长值的平均值，σy为生长阶段内所有预测生长值的标准差，xi为与第i个生长值相对应的环境数据向量，μ为所有环境数据向量的平均值向量，σx为所有环境数据向量的标准差向量； 所述根据可生长潜力和所述环境适应度构建生长预测模型的方法，包括： 通过神经网络构建可生长潜力和环境适应度与树木生长速率间的生长预测模型其中存在两个输出层，分别输出时间序列上预测的树高和胸径； 基于可生长潜力为生长预测模型引入衰减函数，当可生长潜力越小时，衰减函数的值越大，应用于模型的隐藏层； 以概率密度分布的形式表征树木生长和环境的随机性，在生长预测模型的输出层中添加概率密度分布，利用贝叶斯公式更新概率密度分布，贝叶斯公式的表达式为： 其中，Θ为观测数据，G为树木生长状态，E为环境因素，PΘ|G,E表示在给定树木生长状态G及环境因素E的情况下，观测数据Θ出现的概率，PG|Θ,E表示在给定观测数据Θ和环境因素E的情况下，树木生长处于状态G的概率，PΘ|E表示在给定环境因素E的情况下，观测数据Θ的概率分布； 其中PG|Θ,E服从多源正态分布，具体为： 其中，∑Θ,E表示在给定观测数据Θ和环境因素E的情况下，树木生长状态G的协方差矩阵，μΘ,E表示在给定观测数据Θ和环境因素E的情况下，树木生长状态G的均值，T表示为进行转置操作； 其中PΘ|E服从混合分布，具体为： 其中，K为混合分布的组件数量，ωk为第k个组件的权重，PΘ|Nμk,∑k,E表示在环境因素E下，以Nμk,∑k为正态分布的条件概率密度函数，其中μk和∑k是第k个组件的均值向量和协方差矩阵； 以历史环境适应度和历史树高和胸径组合作为训练集，对生长预测模型进行训练。

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市园林科学研究院，其通讯地址为：430081 湖北省武汉市青山区和平大道1240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”。

以上内容由龙图腾AI智能生成。