-
公开(公告)号：CN119068353A
公开(公告)日：2024-12-03
申请号：CN202411105302.5
申请日：2024-08-13
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/096
Abstract: 本发明公开了一种基于多分类器域自适应的遥感影像作物制图方法，步骤1：重构Sentinel‑2卫星影像，根据作物分布图随机分布散点提取时间序列曲线；步骤2：利用特征提取器提取源域和目标域训练集数据特征，利用分类器对源域数据进行分类，利用域对齐器对齐源域和目标域数据特征；步骤3：随机生成一系列超参数训练模型，根据源域训练集、源域测试集和目标域训练集计算风险函数值选择最优模型；步骤4：按顺序提取目标域时间序列曲线，将最优模型用于作物空间分布制图。本发明利用迁移学习的思想对无标注的目标域进行作物分布制图，利用特征提取器和源域分类器更好地提取源域数据的特征，利用多个分类器最大化分类决策边界，提高作物分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119068353B
公开(公告)日：2025-03-21
申请号：CN202411105302.5
申请日：2024-08-13
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/096
Abstract: 本发明公开了一种基于多分类器域自适应的遥感影像作物制图方法，步骤1：重构Sentinel‑2卫星影像，根据作物分布图随机分布散点提取时间序列曲线；步骤2：利用特征提取器提取源域和目标域训练集数据特征，利用分类器对源域数据进行分类，利用域对齐器对齐源域和目标域数据特征；步骤3：随机生成一系列超参数训练模型，根据源域训练集、源域测试集和目标域训练集计算风险函数值选择最优模型；步骤4：按顺序提取目标域时间序列曲线，将最优模型用于作物空间分布制图。本发明利用迁移学习的思想对无标注的目标域进行作物分布制图，利用特征提取器和源域分类器更好地提取源域数据的特征，利用多个分类器最大化分类决策边界，提高作物分类的准确性。
-
公开(公告)号：CN113111950A
公开(公告)日：2021-07-13
申请号：CN202110416254.1
申请日：2021-04-19
Applicant: 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院
Abstract: 本发明公开了一种基于集成学习的小麦锈病分类方法，步骤1：在小麦返青期之后用多种设备收集小麦锈病图像；步骤2：预处理收集到的图像，利用数据增强技术进行样本扩充；步骤3：构建集成模型，集成多种不同结构的卷积神经网络，并利用快照集成方法进行模型的训练；步骤4：根据损失大小和使用的融合算法选择最优模型及模型参数；步骤5：将最优模型用于小麦锈病图像的识别分类。本发明可以结合不同卷积神经网络架构的优点对小麦锈病图像进行分类，利用bagging集成算法、快照集成方法和融合算法能够更快的选择出最好的模型，提高小麦锈病分类的准确率，解决叶锈病、茎锈病和条锈病难以区分的问题。
-
公开(公告)号：CN116091940B
公开(公告)日：2023-07-25
申请号：CN202310012593.2
申请日：2023-01-05
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/13 , G06V20/17 , G06V20/10 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于高分辨率卫星遥感影像的作物分类和识别方法，利用无人机采集作物空间分布图片，结合实地调研结果制作高分遥感影像对应的类别标签；将高分影像和其对应的标签以数据增强的方式进行样本扩充；构建作物分类深度学习模型进行训练，利用卷积提取作物的类别特征，利用叠加层保留作物的上层特征，利用金字塔池化模块聚合作物的上下文语义特征；保存训练过程中得到的最优模型，将最优模型用于高分辨率卫星遥感影像的作物分类和识别。本发明利用编码‑解码的框架网络结构对遥感影像进行作物分类，构建了轻量级编码器进行关键特征的提取，提高了作物分类的准确率和作物识别的效率，同时避免了特征提取带来的特征损失。
-
公开(公告)号：CN116091940A
公开(公告)日：2023-05-09
申请号：CN202310012593.2
申请日：2023-01-05
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/13 , G06V20/17 , G06V20/10 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于高分辨率卫星遥感影像的作物分类和识别方法，利用无人机采集作物空间分布图片，结合实地调研结果制作高分遥感影像对应的类别标签；将高分影像和其对应的标签以数据增强的方式进行样本扩充；构建作物分类深度学习模型进行训练，利用卷积提取作物的类别特征，利用叠加层保留作物的上层特征，利用金字塔池化模块聚合作物的上下文语义特征；保存训练过程中得到的最优模型，将最优模型用于高分辨率卫星遥感影像的作物分类和识别。本发明利用编码‑解码的框架网络结构对遥感影像进行作物分类，构建了轻量级编码器进行关键特征的提取，提高了作物分类的准确率和作物识别的效率，同时避免了特征提取带来的特征损失。
-
公开(公告)号：CN113111950B
公开(公告)日：2022-05-31
申请号：CN202110416254.1
申请日：2021-04-19
Applicant: 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院
IPC: G06Q50/02 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于集成学习的小麦锈病分类方法，步骤1：在小麦返青期之后用多种设备收集小麦锈病图像；步骤2：预处理收集到的图像，利用数据增强技术进行样本扩充；步骤3：构建集成模型，集成多种不同结构的卷积神经网络，并利用快照集成方法进行模型的训练；步骤4：根据损失大小和使用的融合算法选择最优模型及模型参数；步骤5：将最优模型用于小麦锈病图像的识别分类。本发明可以结合不同卷积神经网络架构的优点对小麦锈病图像进行分类，利用bagging集成算法、快照集成方法和融合算法能够更快的选择出最好的模型，提高小麦锈病分类的准确率，解决叶锈病、茎锈病和条锈病难以区分的问题。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
