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！

龙图腾网获悉长沙理工大学申请的专利基于轻量化的卫星滑坡影像智能检测方法、装置、设备及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：CN121438136B 。

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：202610004060.3，技术领域涉及：G06V20/13；该发明授权基于轻量化的卫星滑坡影像智能检测方法、装置、设备及介质是由于静;张嘉慧;吕松涛;郭嘉伟;邢立宁设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本基于轻量化的卫星滑坡影像智能检测方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种基于轻量化的卫星滑坡影像智能检测方法、装置、设备及介质，涉及灾害检测技术领域，包括：通过获取包含滑坡和非滑坡区域的整景光学卫星影像及地形辅助数据，基于地形数据采用动态分割策略对影像进行差异化分割以及标准化预处理，得到标准化图像。通过双层机器学习模型筛选目标滑坡图像，将目标图像输入改进型轻量化卷积神经网络进行处理，得到初始检测结果，最后对结果进行边缘优化与坐标校准，输出精准的滑坡区域检测结果。通过动态分割和双层筛选有效提升滑坡图像的识别精度，改进型轻量化卷积神经网络在低资源环境下实现高效检测，进一步提高对滑坡检测结果的准确性。

本发明授权基于轻量化的卫星滑坡影像智能检测方法、装置、设备及介质在权利要求书中公布了：1.一种基于轻量化的卫星滑坡影像智能检测方法，其特征在于，所述方法包括： 获取整景区域的光学卫星影像和对应的地形辅助数据，其中所述整景区域包括滑坡区域和非滑坡区域； 基于所述地形辅助数据采用动态分割策略对所述光学卫星影像进行差异化分割以及标准化预处理，得到标准化分割图像； 通过双层机器学习模型对所述标准化分割图像进行双层筛选，得到目标滑坡图像，其中所述双层机器学习模型基于支持向量机模型和随机森林分类器构建； 将所述目标滑坡图像输入改进型轻量化卷积神经网络进行处理，得到初始滑坡检测结果，其中所述改进型轻量化卷积神经网络包括动态深度卷积模块、跨层级跳跃连接模块、多方向卷积移位增强模块、改进联合注意力模块和自适应上采样模块； 对所述初始滑坡检测结果进行边缘优化与坐标校准，输出目标滑坡区域检测结果； 所述基于所述地形辅助数据采用动态分割策略对所述光学卫星影像进行差异化分割以及标准化预处理，得到标准化分割图像的步骤，包括： 对所述地形辅助数据中的坡度数据和地形粗糙度数据进行预处理，得到坡度归一化值和地形粗糙度归一化值； 当所述坡度归一化值大于预设第一阈值且所述地形粗糙度归一化值大于预设第二阈值时，将所述坡度归一化值和地形粗糙度对应的区域判定为高风险滑坡区域； 当所述坡度归一化值大于预设第一阈值或所述地形粗糙度归一化值大于预设第二阈值满足任意一项时，将所述坡度归一化值和地形粗糙度对应的区域判定为中风险滑坡区域； 当所述坡度归一化值大于预设第一阈值或所述地形粗糙度归一化值大于预设第二阈值均不满足时，将所述坡度归一化值和地形粗糙度对应的区域判定为低风险滑坡区域； 对所述光学卫星影像中高风险滑坡区域对应的部分按预设第一重叠像素值进行像素分割，得到第一分割图像； 对所述光学卫星影像中中风险滑坡区域对应的部分，按预设第二重叠像素值进行像素分割，得到第二分割图像； 对所述光学卫星影像中低风险区域对应的部分，按预设第三重叠像素值进行像素分割，得到第三分割图像，其中所述预设第一重叠像素值大于所述预设第二重叠像素值，所述预设第二重叠像素值大于所述预设第三重叠像素值； 对所述第一分割图像、第二分割图像和第三分割图像按预设规则进行编号并存储各图像对应的原始地理坐标信息，得到关联原始地理坐标的标准化分割图像。

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长沙理工大学，其通讯地址为：410000 湖南省长沙市天心区赤岭路45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。