Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国农业大学杨建宇获国家专利权

中国农业大学杨建宇获国家专利权

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!

龙图腾网获悉中国农业大学申请的专利一种基于深度学习的经济作物信息识别方法及系统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:CN117115685B

龙图腾网通过国家知识产权局官网在2025-11-18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:202310914018.1,技术领域涉及:G06V20/17;该发明授权一种基于深度学习的经济作物信息识别方法及系统是由杨建宇;吴春晓;张婷婷;代安进;周晗设计研发完成,并于2023-07-24向国家知识产权局提交的专利申请。

一种基于深度学习的经济作物信息识别方法及系统在说明书摘要公布了:本发明提供一种基于深度学习的经济作物信息识别方法及系统,包括:按规定形状对研究区的无人机多光谱遥感影像进行裁剪,得到规则形状影像;对规则形状影像进行样本标注,并划分为训练集、验证集和测试集;根据训练集、验证集对U‑Net模型进行训练;将训练后的U‑Net模型作为基础模型,增加Inception结构、SE‑Block,并进行网络加深;选取超参数对网络加深后的模型进行参数优化,生成改进的深度学习语义分割ISDU‑Net模型,基于训练集、验证集对ISDU‑Net模型进行训练;利用训练后的ISDU‑Net模型对经济作物进行信息识别。本发明利用改进的深度学习语义分割模型,对经济作物无人机遥感影像进行提取并完成快速制图,在小样本类别预测方面表现突出,为经济作物精准识别提供了新思路。

本发明授权一种基于深度学习的经济作物信息识别方法及系统在权利要求书中公布了:1.一种基于深度学习的经济作物信息识别方法,其特征在于,包括: 按照规定形状对研究区域的无人机多光谱遥感影像进行裁剪,得到规则形状影像; 对所述规则形状影像进行样本标注,形成样本数据,将所述样本数据划分为训练集、验证集和测试集; 根据所述训练集、验证集对深度学习语义分割模型进行训练,所述深度学习语义分割模型为经典语义分割模型U-Net模型; 将训练后的U-Net模型作为基础模型,增加Inception结构、通道注意力机制模块SE-Block,并进行网络加深,得到网络加深后的深度学习语义分割模型; 选取超参数对网络加深后的深度学习语义分割模型进行参数优化,生成改进的深度学习语义分割模型ISDU-Net模型,基于所述训练集、验证集对ISDU-Net模型进行训练,得到训练后的ISDU-Net模型; 利用训练后的ISDU-Net模型对待检测区域经济作物多光谱遥感影像进行信息识别; 所述将训练后的U-Net模型作为基础模型,增加Inception结构、通道注意力机制模块SE-Block,并进行网络加深,得到网络加深后的深度学习语义分割模型,具体包括: 将U-Net模型作为基础模型,所述U-Net模型包括模型编码部分、模型解码部分; 将所述U-Net模型编码部分五层下采样结构中,前三层每层设置Inception结构,后两层设置三个卷积层、三个BN层、三个ReLU激活层与一个池化层,得到网络加深后的模型编码部分,所述Inception结构包含四个部分,分别为11、33、55卷积核进行的2D卷积与一个33核大小的最大池化层,在卷积进行中分别进行激活层与BN层操作; 将所述U-Net模型解码部分五层上采样结构中,每层上采样前设置通道注意力机制模块SE-Block,得到网络加深后的模型解码部分,所述通道注意力机制模块SE-Block设置压缩Squeeze与激发Excitation两部分;所述网络加深后的模型解码部分,采用转置卷积的形式,逐层递减滤波器数量,并采用高低层次特征融合形式进行与编码部分获得的特征层进行融合,再采用2D卷积进行特征提取; 基于所述网络加深后的编码部分和网络加深后的解码部分,生成网络加深后的深度学习语义分割模型。

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农业大学,其通讯地址为:100193 北京市海淀区圆明园西路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。