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！

龙图腾网获悉中国矿业大学(北京);新疆工程学院申请的专利基于自适应SAM与自动知识学习的弱监督露天采场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：CN121033491B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511044137.1，技术领域涉及：G06V10/764；该发明授权基于自适应SAM与自动知识学习的弱监督露天采场识别方法是由张成业;邢江河;孟耀庆;杜守航;杜甜梦;梁丽霞;李军;杨飞;李涛设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本基于自适应SAM与自动知识学习的弱监督露天采场识别方法在说明书摘要公布了：本发明公开了一种基于自适应SAM与自动知识学习的弱监督露天采场识别方法，其方法包括：S1、收集研究区影像输入光谱适配器提取三波段影像，利用MobileSAM模型的特征提取器提取深度特征；构建多尺度感知与几何自适应模块并对深度特征通过N2个不同扩张率的空洞卷积单元得到影像特征；S2、场景分类器利用预定义原型特征指导影像特征实现场景分类；接着提示生成器对场景分类利用类激活映射方法得到热激活图并筛选高置信度点提示集合，伪标签生成器构建三元组对比约束；S3、MobileSAM模型的掩码解码器结合提示信息与影像特征进行提示解码得到露天采场识别结果。本发明结合高置信度点提示集合与影像特征进行提示解码得到高效、高精度的露天采场识别结果。

本发明授权基于自适应SAM与自动知识学习的弱监督露天采场识别方法在权利要求书中公布了：1.一种基于自适应SAM与自动知识学习的弱监督露天采场识别方法，其特征在于：其方法包括： S1、收集研究区的N1张影像输入光谱适配器提取N1张三波段影像，利用MobileSAM模型的特征提取器提取深度特征；构建多尺度感知与几何自适应模块并对深度特征通过N2个不同扩张率的空洞卷积单元进行多尺度信息与几何感知信息的提取与关联得到影像特征；多尺度感知与几何自适应模块对深度特征通过五个不同扩张率的空洞卷积单元，r表示扩张率，空洞卷积单元的五个不同扩张率r分别为1、3、6、12和18，五个不同扩张率的空洞卷积单元依次构成上下排列的五个分支，五个分支分别对深度特征进行上下文信息提取，上一个分支空洞卷积单元提取的上下文信息对应跳跃连接至下一个分支未经空洞卷积单元处理的特征中进行拼接融合；五个分支的空洞卷积单元后端分别连接有可变形卷积模块DC，五个分支的可变形卷积模块DC用于学习空间偏移量o及重要性权重w，上一个分支可变形卷积模块DC传递至下一个分支可变形卷积模块DC并进行空间偏移量o及重要性权重w的拼接融合，将五个分支可变形卷积模块DC输出进行特征关联拼接得到影像特征； S2、构建包含场景分类器、提示生成器和伪标签生成器的自动知识学习模型，场景分类器利用预定义原型特征指导影像特征实现是否存在露天采场的场景分类；接着提示生成器对场景分类利用类激活映射方法得到热激活图并筛选高置信度点提示集合，高置信度点提示包括前景类别特征集合和背景类别特征集合；伪标签生成器构建前景类别特征集合、背景类别特征集合和原型特征的三元组对比约束； S3、MobileSAM模型的提示编码器利用高置信度点提示集合编码得到提示信息，MobileSAM模型的掩码解码器结合提示信息与影像特征进行提示解码得到露天采场识别结果。

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中国矿业大学(北京);新疆工程学院，其通讯地址为：100083 北京市海淀区学院路丁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。