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！

龙图腾网恭喜西北农林科技大学申请的专利一种基于深度学习语义分割的流域划分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：CN116883651B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202310667361.0，技术领域涉及：G06V10/26；该发明授权一种基于深度学习语义分割的流域划分方法是由张宏鸣;孙雨薇;杨欢愉;任雨含;董良设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本一种基于深度学习语义分割的流域划分方法在说明书摘要公布了：本发明提供了一种基于深度学习语义分割的流域划分方法，其通过采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本，标注后得到多个流域图像标注样本；通过将多个子图像样本和对应的子图像标注样本划分为训练集和验证集，建立深度学习语义分割模型；分别利用训练集训练深度学习语义分割模型的各变量值和利用验证集验证深度学习语义分割模型的Accuracy，MPA和FwIou准确度，得到最佳的深度学习语义分割模型；采集不同地貌类型的待检测图像数据，并进行预处理得到多个预设尺寸的待测子图像，待测子图像利用最佳的深度学习语义分割模型预测得到对应流域划分预测图像。

本发明授权一种基于深度学习语义分割的流域划分方法在权利要求书中公布了：1.一种基于深度学习语义分割的流域划分方法，其特征在于，该方法按照以下步骤进行：步骤S1，采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本；对多个子图像样本进行标注得到多个标注流域区域的子图像标注样本，形成流域特征数据集；步骤S2，将步骤S1中获得的子图像标注样本划分为训练集和验证集；步骤S3，对步骤S1中获得的流域特征数据集进行标注和增强：所述的标注包括采用canny算子提取边界以及后处理；所述的增强包括随机变换以及结合语义信息进行增强；所述的语义信息为流域边缘信息；步骤S4，对于经过步骤S3标注和增强后的流域特征数据集中的流域图像数据，提取流域图像数据的多通道特征信息，所述的多通道特征信息包括TPI、坡度、坡向、流向、剖面曲率、局部高点、坡度变率、坡向变率、坡长和高程变异系数；步骤S5，将步骤S2得到的训练集以及步骤S4得到的多通道特征信息输入到改进的深度学习图像语义分割网络中进行训练，获得训练后的深度学习语义分割模型；步骤S5中，所述的深度学习图像语义分割网络的改进过程为：步骤S501，编码层共经过5个阶段，每个阶段由两层卷积层+归一化层+Relu层，一层瓶颈注意力机制模块，最后一层是最大池化层，使用的是2×2的卷积核，步长为2；步骤S502，解码层和编码层中间添加池化模块，该模块为四层卷积核组成，其大小分别为1×1，2×2，3×3，6×6；步骤S503，解码层与编码层相对应，一共分为5个阶段，每个阶段由一层瓶颈注意力机制模块，一层是上采样层，两层卷积层+归一化层+Relu层组成；步骤S504，对于原SegNet主干网络架构中的损失函数进行优化，采用复合加权损失函数Loss；步骤S6，采集不同地貌类型的待检测流域图像数据，并按照步骤S1的预处理方法进行预处理，得到多个预设尺寸的待测子图像，待测子图像输入到经过步骤S5训练后的深度学习语义分割模型，得到对应的预测图像，从而实现待测流域的分割图像结果。

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西北农林科技大学，其通讯地址为：712100 陕西省西安市杨凌示范区邰城路3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”。