買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉湘江實(shí)驗(yàn)室申請(qǐng)的專利面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116563709B 。

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)的專利申請(qǐng)?zhí)?專利號(hào)為：202310534675.3，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法是由王宇澤;陶超;胡傲然;李海峰設(shè)計(jì)研發(fā)完成，并于2023-05-12向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于遙感技術(shù)領(lǐng)域，公開(kāi)了面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法，包括：構(gòu)建光譜注意力模塊，提高耕地敏感波段重要性，降低其他波段干擾；優(yōu)化基于自注意力機(jī)制的時(shí)序特征提取模塊，改進(jìn)L_TAE注意力機(jī)制，將固定式位置編碼替換為可學(xué)習(xí)式位置編碼；模塊組合與基本模型設(shè)計(jì)，使用U_TAE網(wǎng)絡(luò)架構(gòu)作為基礎(chǔ)框架，將光譜注意力模塊與優(yōu)化后的時(shí)序注意力模塊插入到網(wǎng)絡(luò)框架中，構(gòu)成基礎(chǔ)多時(shí)相語(yǔ)義分割網(wǎng)絡(luò)框架；構(gòu)建基于掩碼?蒸餾的特征重建策略；耕地覆蓋制圖。本發(fā)明加強(qiáng)模型對(duì)于敏感波段的關(guān)注而降低其他波段造成的噪聲影響；提高多時(shí)相模型對(duì)于時(shí)序數(shù)據(jù)不完整情況的魯棒性，讓模型能夠更好的適應(yīng)復(fù)雜多變的耕地監(jiān)測(cè)環(huán)境。

本發(fā)明授權(quán)面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法在權(quán)利要求書(shū)中公布了：1.面向多時(shí)相遙感數(shù)據(jù)的耕地資源智能監(jiān)測(cè)方法，其特征在于，包括以下步驟： 步驟1：構(gòu)建光譜注意力模塊，提高耕地敏感波段重要性，降低其他波段干擾； 步驟2：優(yōu)化基于自注意力機(jī)制的時(shí)序特征提取模塊，改進(jìn)原有L_TAE注意力機(jī)制，將原有固定式位置編碼替換為可學(xué)習(xí)式位置編碼，從而挖掘農(nóng)作物物候?qū)傩耘c人工農(nóng)業(yè)活動(dòng)模式影響下的時(shí)序特征，進(jìn)行建模； 步驟3：模塊組合與基本模型設(shè)計(jì)，使用U_TAE網(wǎng)絡(luò)架構(gòu)作為基礎(chǔ)框架，將光譜注意力模塊與優(yōu)化后的時(shí)序注意力模塊插入到網(wǎng)絡(luò)框架中，構(gòu)成基礎(chǔ)多時(shí)相語(yǔ)義分割網(wǎng)絡(luò)框架； 步驟4：構(gòu)建基于掩碼-蒸餾的特征重建策略，提高模型對(duì)于時(shí)序數(shù)據(jù)不完整情況下的魯棒性； 步驟5：耕地覆蓋制圖； 其中，構(gòu)建光譜注意力模塊具體包括：步驟101：將時(shí)序多光譜數(shù)據(jù)定義為大小為T(mén)×C×H×W大小的向量X，且時(shí)間序列向量X由T個(gè)C×H×W大小的元素xt組成，其中T代表時(shí)間序列長(zhǎng)度，C代表通道數(shù)，H代表影像長(zhǎng)度，W代表影像寬度； 步驟102：將xt進(jìn)行最大池化與平均池化，從而在多個(gè)角度對(duì)樣本的每個(gè)波段進(jìn)行概括性描述； 步驟103：利用自注意力機(jī)制分別對(duì)上述特征進(jìn)行操作，即利用三個(gè)獨(dú)立的1*1大小的卷積conv_K、conv_Q、conv_V對(duì)輸入特征分別進(jìn)行映射構(gòu)建key、Query,Value，并利用key與Query的矩陣相乘獲取其通道注意力，然后與值相乘獲得加權(quán)后特征fMax_out與fAvg_out從而獲得其各個(gè)波段間的相互關(guān)系； 步驟104：將所得fMax_out與fAvg_out相加并進(jìn)行歸一化已得到最終特征向量Xc其大小與X原有大小相同，為T(mén)×C×H×W。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人湘江實(shí)驗(yàn)室，其通訊地址為：410205 湖南省長(zhǎng)沙市高新區(qū)尖山路217號(hào)北斗產(chǎn)業(yè)園1棟；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)”。