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！

龙图腾网获悉广东省国土资源测绘院申请的专利多模态遥感数据特征融合的作物精细化识别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：CN121170606B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511685648.1，技术领域涉及：G06V20/10；该发明授权多模态遥感数据特征融合的作物精细化识别方法是由常中兵;李炘妍;郑华健;彭昌馗;王荣浩;魏媛;汪嘉霖;林沛;许伟杰;王羽蓉;宋肖峰;晏梓寰;石晓春;黄习艺;马晓黎;金诗程设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本多模态遥感数据特征融合的作物精细化识别方法在说明书摘要公布了：本发明公开了多模态遥感数据特征融合的作物精细化识别方法，包括获取研究区的多模态遥感数据及样本数据；利用所获取的高分遥感影像及耕地样本，对D‑LinkNet模型进行空洞卷积和多尺度特征融合，得到D‑LinkNet耕地分割模型；联合多个D‑LinkNet耕地分割模型进行投票决策，综合各D‑LinkNet耕地分割模型的预测结果，以提取耕地空间图斑；利用所获取的多光谱遥感影像、高光谱遥感影像和SAR遥感影像及农作物样本，构建多模态农作物识别模型，以生成多源特征融合识别结果；将耕地空间图斑与多源特征融合识别结果进行叠加融合，以确定每个耕地空间图斑内的主要作物类型，得到研究区耕地作物分类图。本发明能够实现大尺度范围耕地作物的准确提取。

本发明授权多模态遥感数据特征融合的作物精细化识别方法在权利要求书中公布了：1.多模态遥感数据特征融合的作物精细化识别方法，其特征在于，包括： 获取研究区的多模态遥感数据及样本数据；所述多模态遥感数据包括高分遥感影像、多光谱遥感影像、高光谱遥感影像以及SAR遥感影像；所述样本数据包括耕地样本和农作物样本； 利用所获取的高分遥感影像及耕地样本，对D-LinkNet模型进行空洞卷积和多尺度特征融合，得到多个D-LinkNet耕地分割模型；联合多个D-LinkNet耕地分割模型进行投票决策，综合各D-LinkNet耕地分割模型的预测结果，以提取耕地空间图斑； 利用所获取的多光谱遥感影像、高光谱遥感影像和SAR遥感影像及农作物样本，构建多模态农作物识别模型；所述多模态农作物识别模型采用双向光谱扫描和多方向空间扫描的方式来提取多光谱遥感影像和高光谱遥感影像的特征；所述多模态农作物识别模型采用适用于空间纹理的扫描方式来提取SAR遥感影像的特征；所述多模态农作物识别模型用于融合所述多光谱遥感影像、高光谱遥感影像和SAR遥感影像的特征，以生成多源特征融合识别结果； 将所述耕地空间图斑与多源特征融合识别结果进行叠加融合，以确定每个耕地空间图斑内的主要作物类型，得到研究区耕地作物分类图； 所述多模态农作物识别模型包括特征提取模块、多模态特征融合模块和全连接层；所述特征提取模块包括多光谱特征提取模块、高光谱特征提取模块和SAR特征提取模块 所述多光谱特征提取模块用于提取多光谱影像的特征； 所述高光谱特征提取模块用于提取高光谱影像的特征； 所述SAR特征提取模块用于提取SAR影像的特征； 所述多模态特征融合模块用于将多光谱影像、高光谱影像和SAR影像的特征进行融合，生成融合特征； 所述全连接层用于将所述融合特征映射为输出类别概率； 所述特征提取模块包括VMamba模块，并通过如下方式构成： 将输入图像分割成多个切片，通过堆叠多个VSS块，保持相同的维度，构成阶段1； 通过patch合并操作对特征映射进行下采样，构成阶段2，以构建分层特征； 再堆叠多个下采样和VSS块，创建阶段3和阶段4，构成特征提取模块； 在所述VSS块中，输入经过初始线性嵌入层，输出分为两个信息流，一信息流通过一深度卷积层，然后通过Silu激活函数进入SS2D块，SS2D块的输出通过一层标准化层，然后加到另一信息流的输出上，所述另一信息流经过Silu激活函数； 在所述多光谱特征提取模块和高光谱特征提取模块中，所述SS2D块首先选择沿行和列展开图像补丁成序列，然后沿四个不同方向进行扫描：从左上到右下，从右下到左上，从右上到左下，从左下到右上；再选择沿光谱通道方向展开图像补丁成序列，从前到后、从后到前两个方向进行扫描； 在所述SAR特征提取模块中，所述SS2D块只将SAR影像沿行、列方向进行展开，沿四个不同方向进行扫描：从左上到右下，从右下到左上，从右上到左下，从左下到右上。

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广东省国土资源测绘院，其通讯地址为：510000 广东省广州市黄埔区光谱中路13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。