-
公开(公告)号：CN119048865B
公开(公告)日：2025-03-18
申请号：CN202411523361.4
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区物候及环境扰动检测方法和系统，包括：获取林区遥感时间序列图像数据；根据林区遥感时间序列图像数据，基于卷积神经网络和时间注意力机制构建时间序列全卷积神经网络模型；基于林区遥感时间序列图像数据，构建样本数据集，对时间序列全卷积神经网络模型进行训练，获得林区物候及环境扰动检测模型；将林区遥感时间序列图像数据输入林区物候及环境扰动检测模型，获得林区物候及环境扰动检测结果。本发明提供的技术方案，能够利用高时序中空间分辨率的林区遥感时间序列图像数据，构建时间序列全卷积神经网络模型，识别林区物候及环境扰动变化，定位扰动区域和时间。
-
公开(公告)号：CN119048866A
公开(公告)日：2024-11-29
申请号：CN202411523394.9
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区植被类型变化检测方法、系统及计算机程序，包括：获取林区多时相高空间分辨率遥感图像数据；根据林区多时相高空间分辨率遥感图像数据，基于卷积神经网络模型和多任务学习构建多任务全卷积神经网络模型；基于林区多时相高空间分辨率遥感图像数据，构建样本数据集，对多任务全卷积神经网络模型进行训练，获得林区植被类型变化检测模型；将林区多时相高空间分辨率遥感图像数据输入林区植被类型变化检测模型，获得林区植被类型变化检测结果。本发明提供的技术方案，能够利用林区多时相高空间分辨率遥感图像数据，构建多任务全卷积神经网络模型，检测林区植被类型变化，实现植被覆盖变化的精准检测。
-
公开(公告)号：CN119762984A
公开(公告)日：2025-04-04
申请号：CN202411875184.6
申请日：2024-12-19
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种区域植被类型检测方法及系统，所述方法包括：获取区域遥感影像数据并进行预处理；根据预处理后的区域遥感影像数据，进行层次化特征提取和融合获得融合特征；构建耦合植被类型先验知识的深度层次化语义分割模型以输入融合特征输出植被类型分类结果；其中，植被类型先验知识为植被类型的层级结构。本发明提供的技术方案，基于注意力机制，可以分别从空间、通道和尺度的角度提取特征，能够实现从多个维度提取遥感影像数据的差异化特征，改善分类效果；通过构建耦合植被类型先验知识的深度层次化语义分割模型，可以克服植被类型样本分布不均衡的问题，提高训练速度，优化分类效果，提高检测精度。
-
公开(公告)号：CN119151706B
公开(公告)日：2025-02-14
申请号：CN202411640635.8
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/17 , G06V20/10
Abstract: 本发明公开了一种区域森林结构类型检测方法、系统及计算机程序产品，所述方法包括：获取试验区的无人机多源遥感数据，构建样本数据集；构建多任务神经网络模型，获得区域植被覆盖类型、树高和森林郁闭度同步检测模型；获取待检测区域的卫星多光谱遥感影像数据，输入同步检测模型，获得区域植被覆盖类型、树高和森林郁闭度同步检测结果；基于检测结果，获得区域森林结构类型检测结果。本发明提供的技术方案，通过构建多任务神经网络模型，实现对植被覆盖类型、树高和森林郁闭度实现同步检测，获得区域林灌草森林结构类型检测结果；对网络模型进行微调完善；对检测结果进行统计分析；构建待检测区域的森林结构类型变化时空分布图。
-
公开(公告)号：CN119338625A
公开(公告)日：2025-01-21
申请号：CN202411643768.0
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/096 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/17 , G06V20/10
Abstract: 本发明公开了一种森林郁闭度和树种类型同步检测方法，包括以下步骤：获取试验区的无人机多源遥感数据，构建样本数据集；根据样本数据集，基于多任务学习构建多任务神经网络模型并进行训练，获得森林郁闭度和树种类型同步检测模型；获取待检测区域的卫星多光谱遥感影像数据；将待检测区域的卫星多光谱遥感影像数据输入森林郁闭度和树种类型同步检测模型，获得森林郁闭度和树种类型同步检测结果。本发明提供的技术方案，通过多任务神经网络模型，实现对森林郁闭度和树种类型的同步检测；对网络模型进行微调完善；对检测结果进行统计分析；构建待检测区域的森林郁闭度和树种类型变化时空分布图。
-
Patent Agency Ranking
公开(公告)号：CN119151706A
公开(公告)日：2024-12-17
申请号：CN202411640635.8
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/17 , G06V20/10
Abstract: 本发明公开了一种区域森林结构类型检测方法、系统及计算机程序，所述方法包括：获取试验区的无人机多源遥感数据，构建样本数据集；构建多任务神经网络模型，获得区域植被覆盖类型、树高和森林郁闭度同步检测模型；获取待检测区域的卫星多光谱遥感影像数据，输入同步检测模型，获得区域植被覆盖类型、树高和森林郁闭度同步检测结果；基于检测结果，获得区域森林结构类型检测结果。本发明提供的技术方案，通过构建多任务神经网络模型，实现对植被覆盖类型、树高和森林郁闭度实现同步检测，获得区域林灌草森林结构类型检测结果；对网络模型进行微调完善；对检测结果进行统计分析；构建待检测区域的森林结构类型变化时空分布图。
-
公开(公告)号：CN119180723B
公开(公告)日：2025-03-25
申请号：CN202411640482.7
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种林区跨季变化检测方法、系统及计算机程序产品，所述方法包括：获取林区遥感时间序列数据和多时相高空间分辨率遥感影像数据；基于卷积神经网络和时间注意力机制构建林区物候及环境扰动检测模型；基于卷积神经网络和多任务学习方法构建林区植被类型变化检测模型；获得林区物候及环境扰动检测结果，据此对林区植被类型变化检测模型进行微调和再训练，获得林区跨季变化检测模型；获得林区跨季变化检测结果。本发明提供的技术方案，基于林区植被类型变化检测，整合林区物候及环境扰动变化信息，提取植被覆盖精细尺度详细变化信息，实现年内多期植被覆盖精细变化信息准确提取；基于多项指标对网络模型进行综合评估和微调完善。
-
公开(公告)号：CN119048866B
公开(公告)日：2025-03-25
申请号：CN202411523394.9
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区植被类型变化检测方法、系统及计算机程序产品，包括：获取林区多时相高空间分辨率遥感图像数据；根据林区多时相高空间分辨率遥感图像数据，基于卷积神经网络模型和多任务学习构建多任务全卷积神经网络模型；基于林区多时相高空间分辨率遥感图像数据，构建样本数据集，对多任务全卷积神经网络模型进行训练，获得林区植被类型变化检测模型；将林区多时相高空间分辨率遥感图像数据输入林区植被类型变化检测模型，获得林区植被类型变化检测结果。本发明提供的技术方案，能够利用林区多时相高空间分辨率遥感图像数据，构建多任务全卷积神经网络模型，检测林区植被类型变化，实现植被覆盖变化的精准检测。
-
公开(公告)号：CN119180723A
公开(公告)日：2024-12-24
申请号：CN202411640482.7
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种林区跨季变化检测方法、系统及计算机程序，所述方法包括：获取林区遥感时间序列数据和多时相高空间分辨率遥感影像数据；基于卷积神经网络和时间注意力机制构建林区物候及环境扰动检测模型；基于卷积神经网络和多任务学习方法构建林区植被类型变化检测模型；获得林区物候及环境扰动检测结果，据此对林区植被类型变化检测模型进行微调和再训练，获得林区跨季变化检测模型；获得林区跨季变化检测结果。本发明提供的技术方案，基于林区植被类型变化检测，整合林区物候及环境扰动变化信息，提取植被覆盖精细尺度详细变化信息，实现年内多期植被覆盖精细变化信息准确提取；基于多项指标对网络模型进行综合评估和微调完善。
-
公开(公告)号：CN119048865A
公开(公告)日：2024-11-29
申请号：CN202411523361.4
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区物候及环境扰动检测方法、系统及计算机程序，包括：获取林区遥感时间序列图像数据；根据林区遥感时间序列图像数据，基于卷积神经网络和时间注意力机制构建时间序列全卷积神经网络模型；基于林区遥感时间序列图像数据，构建样本数据集，对时间序列全卷积神经网络模型进行训练，获得林区物候及环境扰动检测模型；将林区遥感时间序列图像数据输入林区物候及环境扰动检测模型，获得林区物候及环境扰动检测结果。本发明提供的技术方案，能够利用高时序中空间分辨率的林区遥感时间序列图像数据，构建时间序列全卷积神经网络模型，识别林区物候及环境扰动变化，定位扰动区域和时间。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
