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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利一种基于混合模型的作物叶片氮含量遥感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：CN115602261B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211280829.2，技术领域涉及：G16C20/20；该发明授权一种基于混合模型的作物叶片氮含量遥感反演方法是由马啸;陈鹏飞设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于混合模型的作物叶片氮含量遥感反演方法在说明书摘要公布了：本发明公开了一种基于混合模型的作物叶片氮含量遥感反演方法，通过耦合深度多任务学习网络模型和N‑PROSAIL辐射传输机理模型构建混合模型，将模拟数据与实测数据输入混合模型进行模型训练；基于训练好的预测模型，对目标区叶片氮含量进行预测。本发明通过构建具有部分共用网络结构的两个任务基于模拟数据训练的辅助任务和基于实测数据训练的主任务，在对两个任务进行训练的同时，提取模拟数据中对主任务训练有用的信息，来提升主任务的训练效果，综合了经验模型法和机理模型法的优点，并克服它们相应的缺陷，可在有较少实测数据训练模型的条件下，对叶片氮含量实现精准估测。

本发明授权一种基于混合模型的作物叶片氮含量遥感反演方法在权利要求书中公布了：1.一种基于混合模型的作物叶片氮含量遥感反演方法，其特征在于：包括以下步骤： 步骤一、训练数据获取：包括模拟数据和实测数据的获取； 步骤二、多任务学习网络模型训练：将模拟数据与实测数据输入所构建的多任务学习网络进行模型训练； 多任务学习网络包括三个模块：共享层、子任务层和多任务优化层；所述共享层用于模拟数据与实测数据共有特征的学习，子任务层用于模拟数据与实测数据各自独有特征的学习，多任务优化层综合两个子任务的误差值对模型参数进行迭代优化训练，直至获得训练好的最优模型，以该最优模型作为叶片氮含量的预测模型； 所述共享层由六层全连接神经网络构成；所述子任务层包含两个子任务深度神经网络，两个子任务深度神经网络结构一致，均由三层全连接神经网络构成；所述多任务优化层采用动态权重加权平均的方法来耦合基于模拟数据和实测数据时的误差，以总体均方误差MSEallt最小为目标函数，进行模型迭代训练； 步骤三、叶片氮含量预测：基于训练好的预测模型，以目标区遥感数据为输入，对目标区叶片氮含量进行预测。

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科学院地理科学与资源研究所，其通讯地址为：100101 北京市朝阳区大屯路甲11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。