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！

龙图腾网恭喜福州大学申请的专利基于作物物候知识的时间序列遥感数据农作物识别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：CN115861831B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202211423961.4，技术领域涉及：G06V20/13；该发明授权基于作物物候知识的时间序列遥感数据农作物识别方法是由李蒙蒙;冯晓敏;汪小钦;龙江设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于作物物候知识的时间序列遥感数据农作物识别方法在说明书摘要公布了：本发明涉及一种基于作物物候知识的时间序列遥感数据农作物识别方法，包括以下步骤：步骤S1:根据作物生长曲线构建关键生长期的物候指数，提取作物物候特征;步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷积神经网络；步骤S3:基于多模态学习框架，构建集成物候知识和时序遥感数据的神经网络，即PST‑LSTM模型；步骤S4:获取训练样本数据，对PST‑LSTM模型进行训练和参数优化；步骤S5:基于训练后的PST‑LSTM模型对待识别遥感影像进行识别。本发明克服传统方法在农作物识别中存在区域和数据依赖性大、迁移性弱的问题，提高作物的识别精度和适用性。

本发明授权基于作物物候知识的时间序列遥感数据农作物识别方法在权利要求书中公布了：1.一种基于作物物候知识的时间序列遥感数据农作物识别方法，其特征在于，包括以下步骤：步骤S1:根据作物生长曲线构建关键生长期的物候指数，提取作物物候特征；步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷积神经网络；步骤S3:基于多模态学习框架，构建集成物候知识和时序遥感数据的神经网络，即PST-LSTM模型；步骤S4:获取训练样本数据，对PST-LSTM模型进行训练和参数优化；步骤S5:基于训练后的PST-LSTM模型对待识别遥感影像进行识别；所述步骤S2具体为：基于LSTM网络，构建遥感数据时序特征提取器，提取作物生长的时间特征；在LSTM网络基础上，基于全卷积神经网络模块，构建遥感数据空间特征提取器，提取作物类型的空间特征；所述于LSTM网络，构建遥感数据时序特征提取器，提取作物生长的时间特征，具体为：1构建双向特征融合模块，模块由2个编码器和1个串联层构成，每个编码器均包括一个时空卷积层、归一化层和激活函数以及注意力机制层；2基于双向特征融合模块，提取输入数据集的时间特征与物候特征，并进行双向特征融合处理；3选择LSTM为基本网络，结合注意力机制获取融合特征的深层时间域信息，提取作物生长的时间特征；所述在LSTM网络基础上，基于全卷积神经网络模块，构建遥感数据空间特征提取器，提取作物类型的空间特征，具体为：1对遥感时序数据进行维度置换，使其由N，Q，M转为N，M，Q；其中，N为样本总数，Q为最大时间步长，M为在每个时间步长中处理的变量数；2构建全卷积神经网络模块，提取作物类型的空间特征，全卷积神经网络模块由3个编码器和1个全局平均池化层构成，每个编码器均包括一个时空卷积层、归一化层和激活函数，前两个编码器以注意力机制结尾。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。