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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于改进Mask RCNN的遥感影像绿色屋顶智能识别方法和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：CN120808139B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510859977.7，技术领域涉及：G06V20/10；该发明授权基于改进Mask RCNN的遥感影像绿色屋顶智能识别方法和系统是由曹茜;王悦;侯霜霜;陈旭设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本基于改进Mask RCNN的遥感影像绿色屋顶智能识别方法和系统在说明书摘要公布了：本发明提出了基于改进MaskRCNN算法的遥感影像绿色屋顶智能识别方法和系统，通过引入注意力机制增强算法的特征提取能力，通过构建联合损失函数提升目标的边缘分割精度，以实现复杂建成环境下绿色屋顶的精准检测。本发明同步集成了形态参数分析模块，可自动提取绿色屋顶的面积、周长、形状指数等几何特征参数，实现绿色屋顶识别与特征参数提取一体化处理。相较于传统方法，本发明可有效解决目标实例区分困难、环境适应性差等问题，为绿色屋顶的监测与生态环境效益评估提供可靠的技术手段。

本发明授权基于改进Mask RCNN的遥感影像绿色屋顶智能识别方法和系统在权利要求书中公布了：1.一种基于改进MaskRCNN的遥感影像绿色屋顶智能识别方法，其特征在于，包括如下步骤： 步骤1，获取高分辨率遥感影像数据集； 步骤2，搭建改进的MaskRCNN绿色屋顶检测模型，包括集成残差网络、特征金字塔网络、双通道注意力增强模块、区域提议网络和感兴趣区域对准模块； 高分辨率遥感影像首先经过ResNet-101残差网络进行多层次特征提取，并通过特征金字塔网络对提取的多层次特征进行融合得到多尺度特征图，然后通过双通道注意力增强模块动态校准特征图中与绿色屋顶相关的光谱和空间响应，得到增强后的多尺度特征图；区域提议网络从增强后的多尺度特征图中提取可能包含绿色屋顶的候选区域，然后将候选区域与ResNet-101残差网络生成的特征图输入感兴趣区域对准模块，实现特征对齐并生成标准化特征表示，最后经过多任务协同处理，完成目标分类、边界框回归及实例分割掩膜生成； 步骤3，设计损失函数对改进的MaskRCNN绿色屋顶检测模型进行训练及评估； 步骤3中，设计的损失函数为多任务加权损失，包括目标分类损失、边界框回归损失与实例分割掩膜损失，其中实例分割掩膜损失函数由二值交叉熵损失与梯度约束损失组成的联合损失构成，具体步骤如下： 31采用Sobel算子分别计算水平方向梯度和垂直方向梯度，用于检测掩膜在水平方向的强度突变和在垂直方向的光谱跃迁，具体定义如下： 32分别对预测掩膜和真实掩膜应用梯度算子和进行卷积，提取水平和垂直方向的梯度响应，随后融合两个方向的响应计算边缘梯度幅值，分别得到预测掩膜与真实掩膜的边缘梯度幅值图，以提升绿色屋顶目标区域的边缘锐化程度，公式为： 33计算传统的BCE损失函数，公式为： 34定义梯度约束损失，采用L1范数衡量预测掩膜与真实掩膜梯度幅值之间的差异，强制模型学习边缘结构的细节信息，公式为： 35将梯度损失与原始BCE损失联合，构建联合损失函数，公式为： 上述各式中，N为像素总数；表示第个像素位置；与分别为分类损失与边缘损失的加权系数； 引入渐进式损失加权策略：在训练初期加大梯度损失项的权重，以强化边缘细节的学习；随着训练逐步收敛，逐渐将其权重调整至固定值，以达到稳定优化与收敛效果的平衡； 步骤4，利用训练完成的最优模型实现绿色屋顶检测。

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地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388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。