買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北農(nóng)林科技大學(xué)申請(qǐng)的專(zhuān)利基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120356104B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510814562.8，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法是由程冬玲;馮旭;馮梓淇設(shè)計(jì)研發(fā)完成，并于2025-06-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及衛(wèi)星遙感應(yīng)用技術(shù)領(lǐng)域，公開(kāi)了基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法，該方法首先獲取多時(shí)相衛(wèi)星影像數(shù)據(jù)，提取光譜反射率特征生成矩陣并構(gòu)建分類(lèi)模型集合；設(shè)定特征參數(shù)類(lèi)別集，基于此獲取歷史影像的紋理、植被指數(shù)參數(shù)及空間分辨率數(shù)據(jù)，建立特征融合關(guān)聯(lián)模型；提取當(dāng)前影像中農(nóng)作物區(qū)域的光譜及紋理特征參數(shù)，結(jié)合模型優(yōu)化生成優(yōu)化后特征集；基于優(yōu)化特征集及分類(lèi)模型更新分類(lèi)邏輯，生成目標(biāo)分類(lèi)方案并校準(zhǔn)空間關(guān)系；最后獲取作物生長(zhǎng)周期數(shù)據(jù)，建立時(shí)序特征關(guān)聯(lián)規(guī)則以?xún)?yōu)化作物類(lèi)型空間分布圖譜。該方法通過(guò)多源特征融合與動(dòng)態(tài)優(yōu)化，提升了農(nóng)作物分類(lèi)精度與可靠性，適用于精準(zhǔn)農(nóng)業(yè)管理場(chǎng)景。

本發(fā)明授權(quán)基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法在權(quán)利要求書(shū)中公布了：1.一種基于多源衛(wèi)星影像的農(nóng)作物分類(lèi)方法，其特征在于，包括以下步驟： S1、獲取多時(shí)相衛(wèi)星影像數(shù)據(jù)，提取不同波段的光譜反射率特征，生成光譜特征矩陣； 根據(jù)光譜特征矩陣構(gòu)建農(nóng)作物分類(lèi)模型集合； S2、設(shè)定多種地表覆蓋類(lèi)型對(duì)應(yīng)的特征參數(shù)類(lèi)別，形成特征參數(shù)類(lèi)別集； 基于特征參數(shù)類(lèi)別集獲取多組歷史影像數(shù)據(jù)中的紋理特征參數(shù)、植被指數(shù)參數(shù)及空間分辨率數(shù)據(jù)，建立特征融合關(guān)聯(lián)模型； S3、根據(jù)特征參數(shù)類(lèi)別集提取當(dāng)前衛(wèi)星影像中各農(nóng)作物區(qū)域的光譜特征參數(shù)及紋理特征參數(shù)，結(jié)合特征融合關(guān)聯(lián)模型進(jìn)行特征優(yōu)化，生成優(yōu)化后光譜特征集及優(yōu)化后紋理特征集； S4、基于優(yōu)化后光譜特征集、優(yōu)化后紋理特征集及農(nóng)作物分類(lèi)模型集合更新當(dāng)前影像分類(lèi)邏輯，生成目標(biāo)分類(lèi)方案；對(duì)目標(biāo)分類(lèi)方案中特征提取環(huán)節(jié)的空間關(guān)系進(jìn)行校準(zhǔn)； 所述S2包括以下步驟： S21、設(shè)定多種特征參數(shù)類(lèi)別，包括歸一化植被指數(shù)閾值、空間紋理復(fù)雜度系數(shù)及地表溫度區(qū)間，形成特征參數(shù)類(lèi)別集； 基于農(nóng)作物類(lèi)型集及特征參數(shù)類(lèi)別集獲取歷史紋理特征參數(shù)、植被指數(shù)組合及對(duì)應(yīng)的作物識(shí)別精度數(shù)據(jù)，構(gòu)建歷史特征矩陣、歷史植被矩陣及歷史精度數(shù)據(jù)集； S22、利用歷史特征矩陣、歷史植被矩陣及歷史精度數(shù)據(jù)集訓(xùn)練初始特征融合關(guān)聯(lián)模型，得到特征融合關(guān)聯(lián)模型； 所述S22包括以下步驟： S221、根據(jù)農(nóng)作物類(lèi)型集與特征參數(shù)類(lèi)別集建立初始特征融合關(guān)聯(lián)模型； S222、將歷史特征矩陣及歷史植被矩陣逐行輸入初始特征融合關(guān)聯(lián)模型，生成歷史精度預(yù)測(cè)數(shù)據(jù)集； S223、設(shè)置精度誤差閾值；計(jì)算歷史精度預(yù)測(cè)數(shù)據(jù)集與歷史精度數(shù)據(jù)集之間的交叉熵誤差； 當(dāng)交叉熵誤差超過(guò)精度誤差閾值時(shí)，采用梯度下降算法迭代修正初始特征融合關(guān)聯(lián)模型的超參數(shù)，直至誤差低于誤差閾值，形成特征融合關(guān)聯(lián)模型； 所述S3包括以下步驟： S31、獲取當(dāng)前衛(wèi)星影像中各地塊區(qū)域的實(shí)際光譜特征參數(shù)及紋理特征參數(shù)，生成實(shí)時(shí)光譜集及實(shí)時(shí)紋理集； S32、設(shè)定分類(lèi)精度目標(biāo)值；將實(shí)時(shí)光譜集及實(shí)時(shí)紋理集輸入特征融合關(guān)聯(lián)模型，計(jì)算當(dāng)前分類(lèi)精度預(yù)測(cè)值； 當(dāng)當(dāng)前分類(lèi)精度預(yù)測(cè)值未達(dá)到目標(biāo)值時(shí)，對(duì)實(shí)時(shí)光譜集及實(shí)時(shí)紋理集進(jìn)行特征增強(qiáng)，直至滿(mǎn)足目標(biāo)條件，輸出優(yōu)化后光譜特征集及優(yōu)化后紋理特征集。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西北農(nóng)林科技大學(xué)，其通訊地址為：712100 陜西省咸陽(yáng)市楊凌示范區(qū)邰城路3號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。