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！

龙图腾网获悉中国农业大学申请的专利一种基于卷积神经网络的农作物种植信息提取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：CN115331104B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202210984818.6，技术领域涉及：G06V20/10；该发明授权一种基于卷积神经网络的农作物种植信息提取方法是由陈理;董仁杰;周宇光;杨广设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的农作物种植信息提取方法在说明书摘要公布了：本发明属于遥感影像作物种植信息提取领域，具体涉及一种基于卷积神经网络并以高分遥感影像为数据源的农作物种植耕地利用信息的提取。本发明提供一种基于卷积神经网络的农作物种植信息提取方法，该方法融合注意力机制与残差模块的卷积网络模型、协同多光谱遥感影像数据，对农作物种植信息进行提取，提高农作物种植信息提取的效果。一种基于卷积神经网络的农作物种植信息提取方法，包括如下步骤：S1、构建经过处理的原始多光谱卫星遥感影像数据集；S2、数据增强；S3、构建模型；S4、设置参数；S5、获取模型训练结果；S6、得到农田种植信息提取结果。

本发明授权一种基于卷积神经网络的农作物种植信息提取方法在权利要求书中公布了：1.一种基于卷积神经网络的农作物种植信息提取方法，其特征在于：所述方法包括如下步骤： S1、构建经过处理的原始多光谱卫星遥感影像数据集； S2、数据增强： 对步骤S1构建的经过处理的原始多光谱遥感影像数据集进行增强，使多光谱卫星遥感影像数据集数据图片数量扩展为原有的4倍，得到包括种植作物的农田覆盖区域、未种植作物的农田覆盖区域、和其它类型覆盖区域的农作物种植信息数据集； S3、构建模型： 以U-Net模型结构为基础框架，融合注意力机制与残差模块构建URSE-Net卷积神经网络模型； URSE-Net卷积神经网络模型由编码器、中间层和解码器三部分构成；在编码器部分，使用改进后的残差模块对遥感影像数据进行信息提取；在中间层，使用两种通道注意力机制SE和ECA；在解码器部分，每一层使用一次“卷积-批标准化-激活”操作； 步骤S3.1、融合完全预激活残差模块的编码器； 使用将批标准化与激活操作放于卷积操作之前的完全预激活残差模块进行主干网络的搭建，完全预激活残差模块的结构为：批标准化层、激活层、3×3卷积层； 编码器部分共分为五个模块，每一模块包含两次残差模块处理和一次卷积操作，同时结合最大池化，实现对原始图像数据尺寸的压缩和通道数量的增加； 各模块之间通过最大池化操作和随机丢弃操作进行连接； 步骤S3.2、使用通道注意力机制SE模块和ECA模块的中间层部分； 对编码器第一模块得到的编码器第一特征图C1、编码器第二模块得到的编码器第二特征图C2使用SE模块进行处理；对编码器第三模块得到的编码器第三特征图C3、编码器第四模块得到的编码器第四特征图C4使用ECA模块进行处理； 步骤S3.3、在解码器部分，每一小部分使用一次“卷积-批标准化-激活”操作与随机丢弃操作的解码器部分； 解码器部分结构同样含有五个模块，且每一模块仅包含一次“卷积-批标准化-激活”操作与随机丢弃操作，配合反卷积操作，实现对图像尺寸的还原及通道数量的压缩； S4、设置参数： 在模型中获取训练参数；以步骤S2处理后的训练集数据为数据源，对模型的运行参数进行调整，使得模型达到最佳的运行表现，得到模型训练设置参数； S5、获取模型训练结果： 对模型训练后得到的权重参数进行保存，并利用S3构建的模型及获取的训练结果对数据集进行特征提取； S6、得到农田种植信息提取结果： 通过对模型预测结果的可视化方法，利用像素转换技术对模型识别结果进行转换，得到农田种植信息提取的可视化结果并展示。

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中国农业大学，其通讯地址为：100083 北京市海淀区清华东路17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”。

以上内容由龙图腾AI智能生成。