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！

龙图腾网获悉飞未信息技术股份有限公司;安徽飞未信息技术有限公司;飞未数智科技(无锡)有限公司申请的专利基于多时相遥感数据的水稻种植区识别方法、装置、设备及存储介质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：CN120783240B 。

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：202511302243.5，技术领域涉及：G06V20/13；该发明授权基于多时相遥感数据的水稻种植区识别方法、装置、设备及存储介质是由罗顶林;郭美春;岳燕;胡剑锋;曾宁;梁栋;董怀龙;刘慧;黄洋;兰娟设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本基于多时相遥感数据的水稻种植区识别方法、装置、设备及存储介质在说明书摘要公布了：本申请提供了一种基于多时相遥感数据的水稻种植区识别方法、装置、设备及存储介质，该方法包括：根据水稻物候期获取多时相遥感数据；确定多时相遥感数据的光谱指数序列构建光谱指数时序曲线，根据光谱变化曲线生成目标区域内的种植特征数据；根据种植特征数据确定与水稻生长规律相匹配的光谱时序模版，对各地块种植模式进行匹配分析，标记水稻种植模式特征的地块集合；将地块集合与水稻种植参考样本进行交叉比对，生成水稻种植模式样本集，并基于水稻种植模式样本集构建水稻种植区识别模型；根据水稻种植区识别模型对研究区域内待识别地块的遥感数据进行分析，确定水稻种植区识别结果。通过本申请方案的实施能够有效提高水稻识别的准确性。

本发明授权基于多时相遥感数据的水稻种植区识别方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于多时相遥感数据的水稻种植区识别方法，其特征在于，包括： 基于水稻生长的关键时间节点，通过遥感卫星获取覆盖所述水稻物候期的多时相遥感数据； 根据所述多时相遥感数据中不同时期的光谱指数序列构建光谱指数时序曲线，并对所述光谱指数时序曲线进行特征识别，生成目标区域内各地块的种植特征数据； 基于与水稻生长规律相匹配的光谱时序模版，对所述种植特征数据进行匹配分析，标记满足水稻种植模式特征的地块集合；其中，所述光谱时序模版为水稻在移栽、生长、抽穗、灌浆阶段的典型光谱特征演化轨迹； 将所述地块集合与水稻种植参考样本进行交叉比对，生成水稻种植模式样本集，并通过将所述水稻种植模式样本集输入至预设深度卷积神经网络模型进行训练，生成水稻种植区识别模型； 根据所述水稻种植区识别模型对研究区域内待识别地块的遥感数据进行分析，通过模型前向传播确定水稻种植区识别结果； 所述将所述地块集合与水稻种植参考样本进行交叉比对，生成水稻种植模式样本集，并通过将所述水稻种植模式样本集输入至预设深度卷积神经网络模型进行训练，生成水稻种植区识别模型的步骤，包括： 将所述地块集合与水稻种植参考样本进行空间位置重叠分析与时序曲线拟合匹配，筛选出空间边界交叠且匹配相似度超过预设阈值的样本地块，构建水稻种植模式样本集； 根据所述水稻种植模式样本集的遥感图像子集与光谱指数时序数据，构建多输入张量结构，并通过对所述多输入张量结构进行通道融合与维度对齐，生成数据输入格式；其中，所述遥感图像子集指的是在目标物候时段中覆盖该地块的多期影像片段，所述光谱指数时序数据是反映地表植被和水分变化的多维时序曲线； 根据所述数据输入格式配置对应的输入层结构与卷积参数； 将所述水稻种植模式样本集输入至预设深度卷积神经网络模型，并基于监督学习策略对所述深度卷积神经网络模型进行训练，生成水稻种植区识别模型，所述深度卷积神经网络模型由U²Net网络结构构建，U²Net是一种具有双编码器和多尺度U型结构的图像分割神经网络。

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飞未信息技术股份有限公司;安徽飞未信息技术有限公司;飞未数智科技(无锡)有限公司，其通讯地址为：201111 上海市闵行区光华路2118号第3幢五层B537室；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。