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！

龙图腾网获悉南京大学申请的专利基于深度学习模型的浅水湖泊水华和水生植物提取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：CN119851066B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510047132.8，技术领域涉及：G06V10/774；该发明授权基于深度学习模型的浅水湖泊水华和水生植物提取方法是由柯长青;蔡宇;王敬明设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于深度学习模型的浅水湖泊水华和水生植物提取方法在说明书摘要公布了：本发明涉及一种基于深度学习模型的浅水湖泊水华和水生植物提取方法，包括：获取覆盖浅水湖泊的Landsat和Sentinel‑2影像；利用光学影像制作训练和测试深度学习模型的水华和水生植物样本；构建光谱特征，并利用随机森林模型选择重要性排名前五的特征参与深度学习模型的构建；构建、训练和测试深度学习模型，并利用训练好的深度学习模型对浅水湖泊的水华和水生植物进行分类，具体分类为水体、水华、沉水植物和浮叶挺水植物四个类别。本发明能够自动、准确地获取浅水湖泊水华和水生植物的空间分布，为动态监测湖泊水华和水生植物提供重要的技术支撑。

本发明授权基于深度学习模型的浅水湖泊水华和水生植物提取方法在权利要求书中公布了：1.一种基于深度学习模型的浅水湖泊水华和水生植物提取方法，包括以下步骤： 第一步、获取指定时间范围内的研究区的Landsat反射率影像和Sentinel-2影像，Landsat反射率影像和对应的Sentinel-2影像成像时间相差不超过一天； 第二步、在Sentinel-2高分辨率影像的辅助下对Landsat反射率影像进行目视解译并采样，以准确制作训练样本和测试样本，训练样本和测试样本与目视解译结果中的类别相对应； 第三步、构建提取水华和水生植物的特征指数，并将构建的特征指数和Landsat反射率影像的各波段输入到随机森林模型中，获取特征指数的重要性并对重要性排序，选定排名前五的特征指数，针对训练样本基于五个特征指数构建Landsat反射率影像的特征影像； 第四步、构建用于水华和水生植物提取的深度学习模型，包括编码器、金字塔池化模块ASPP和解码器； 第五步、将训练样本的特征影像和对应的目视解译结果按比例分为训练集和验证集，输入到构建好的深度学习模型中进行训练，之后进行多次迭代，并保存精度最高的训练模型，从而得到合适的训练超参数； 第六步、基于测试样本对训练好的深度学习模型进行测试评估； 第七步、将研究区的各时期的Landsat反射率影像的特征影像输入训练好的深度学习模型进行处理，得到各时期的水华和水生植物空间分布图； 所述深度学习模型中，编码器包含一个卷积层和四层的ConvNeXt网络，输入编码器的特征影像经过卷积和归一化得到特征图并送入ConvNeXt网络，ConvNeXt网络的每层依次对特征图进行卷积和池化运算，并将特征图像输入到ASPP模块进行处理，所述ASPP模块通过多尺度策略对输入的特征图进行不同扩张率的空洞卷积获得多尺度特征图，然后将多尺度特征图进行融合获得融合特征图并送入解码器；所述解码器中加入了Scse注意力模块，解码器对融合特征图进行3次迭代处理，每次迭代包含双线性插值上采样并与编码器中对应层的特征图进行融合，并利用Scse注意力模块进行增强处理，然后进行再进行卷积运算，迭代完成后，再次进行双线性插值上采样至原始输入影像的尺寸，并进行卷积处理，生成单波段的输出影像。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。