Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北农林科技大学苏宝峰获国家专利权

西北农林科技大学苏宝峰获国家专利权

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!

龙图腾网获悉西北农林科技大学申请的专利一种农田建设质量智能抽检方法、系统、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:CN120355086B

龙图腾网通过国家知识产权局官网在2026-04-21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:202510442590.1,技术领域涉及:G06Q10/063;该发明授权一种农田建设质量智能抽检方法、系统、设备及存储介质是由苏宝峰;范一言;徐法虎;史云设计研发完成,并于2025-04-10向国家知识产权局提交的专利申请。

一种农田建设质量智能抽检方法、系统、设备及存储介质在说明书摘要公布了:本发明公开一种农田建设质量智能抽检方法、系统、设备及存储介质,涉及农业监测技术领域。所述方法包括:获取目标区域的遥感环境数据;所述遥感环境数据包括多时相遥感影像和地面环境数据;将所述遥感环境数据输入高标准农田时序协同抽样模型,确定抽检预测结果;所述预测结果包括风险热力图和不确定性量化图谱;所述高标准农田时序协同抽样模型基于变异函数模型、时序触发机制和蒙特卡洛技术进行构建,用于动态优化抽样策略;基于所述抽检预测结果进行不确定性分析,生成最终抽检区域。本发明能够实现高标准农田建设质量的全域精准监测与动态优化调控,为黑土区农田质量长效保障提供技术支撑。

本发明授权一种农田建设质量智能抽检方法、系统、设备及存储介质在权利要求书中公布了:1.一种农田建设质量智能抽检方法,其特征在于,包括: 获取目标区域的遥感环境数据;所述遥感环境数据包括多时相遥感影像和地面环境数据; 将所述遥感环境数据输入高标准农田时序协同抽样模型,确定抽检预测结果;所述预测结果包括风险热力图和不确定性量化图谱;所述高标准农田时序协同抽样模型基于变异函数模型、时序触发机制和蒙特卡洛技术进行构建,用于动态优化抽样策略; 基于所述抽检预测结果进行不确定性分析,生成最终抽检区域; 所述高标准农田时序协同抽样模型具体包括:输入层、网络层和输出层; 所述输入层用于:输入遥感环境数据,设为B,T,W,H,N,其中,B表示批量大小,T表示时间步长,W和H分别表示影像的宽度和高度,N表示影像的通道数; 所述网络层用于:首先,通过MobileNetV2网络提取多时相遥感影像特征,输出形状为B,T,H',W',C1',其中,H'和W'为特征图的高度和宽度,C1'为特征通道数;同时,通过U-Net网络提取沟渠、道路和灌溉设施的特征,输出形状为B,T,H,W,C2;接着,对MobileNetV2网络的输出进行上采样,调整为B,T,H,W,C1,并通过1x1卷积扩展U-Net网络的输出通道数,使C1=C2;随后,将两个特征在通道维度上拼接,得到形状为B,T,H,W,C1+C1的特征,并通过1x1卷积压缩为B,T,H,W,C3;对压缩后的特征进行全局平均池化,得到形状为B,T,C3的特征向量;最后,将气象时序数据B,T,C4和灾害时序数据B,T,C5作为辅助特征,与影像特征拼接,得到形状为B,T,C3+C4+C5的融合特征;将特征输入到LSTM网络中进行时序建模,输出形状为B,T,hidden_size的特征表达,并在LSTM后加入Dropout层以评估模型的不确定性; 所述输出层用于:经全连接层处理,输出抽检预测结果。

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西北农林科技大学,其通讯地址为:712100 陕西省咸阳市杨凌农业高新技术产业示范区西农路22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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。