買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江省測繪科學技術研究院申請的專利復雜耕作區閑置耕地提取方法、模型訓練方法及裝置、存儲介質和終端獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120236096B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510704891.7，技術領域涉及：G06V10/54；該發明授權復雜耕作區閑置耕地提取方法、模型訓練方法及裝置、存儲介質和終端是由王興坤;詹遠增;李佳鑫;馮存均;徐盼;周偉;張艷;趙建雪;鄧小淵;馬彥;楊燕;李曉天;朱校娟;施臨錦設計研發完成，并于2025-05-29向國家知識產權局提交的專利申請。

本復雜耕作區閑置耕地提取方法、模型訓練方法及裝置、存儲介質和終端在說明書摘要公布了：本發明公開了一種復雜耕作區閑置耕地提取方法、模型訓練方法及裝置、存儲介質和終端，其中模型訓練方法包括獲取預設時間段內目標區域的初步影像特征數據集，基于初步影像特征數據集獲取時間序列影像數據集；提取初步影像特征數據中的紋理特征，并獲取紋理光譜特征數據集；基于紋理光譜特征數據集和時間序列影像數據集訓練模型以獲取教師模型，基于教師模型對預設待訓練模型進行訓練獲取學生模型，將學生模型和教師模型作為復雜耕作區閑置耕地提取模型。總結耕地閑置的不同情況，明確了閑置耕地監測的范圍，結合閑置耕地的地物特征與閑置過程，實現在復雜種植模式下提升對閑置耕地的識別精度與泛化能力。

本發明授權復雜耕作區閑置耕地提取方法、模型訓練方法及裝置、存儲介質和終端在權利要求書中公布了：1.一種復雜耕作區閑置耕地提取模型訓練方法，其特征在于，包括： 獲取預設時間段內目標區域的初步影像特征數據集，所述初步影像特征數據集包括所述目標區域內每塊耕地的初步影像特征數據子集，所述初步影像特征數據子集包括初步影像特征數據群以及對應的耕地標簽； 基于所述初步影像特征數據集獲取所述目標區域內每塊耕地每個預設時間區間的歸一化植被指數，并將每塊耕地所有所述預設時間區域的歸一化植被指數形成對應耕地的時間序列影像數據，所有所述時間序列影像數據形成時間序列影像數據集； 提取所述初步影像特征數據集中每個初步影像特征數據的紋理特征，并將所述紋理特征以新的波段形式添加至所述初步影像特征數據集中對應所述初步影像特征數據上以獲取紋理光譜特征數據集； 基于所述紋理光譜特征數據集和所述時間序列影像數據集對模型進行訓練獲取教師模型，基于所述教師模型對預設待訓練模型進行訓練獲取學生模型，以所述教師模型為決策者，以所有所述學生模型為輸入端形成復雜耕作區閑置耕地提取模型； 其中，所述預設待訓練模型包括預設神經網絡模型和長短時記憶網絡模型，將所述紋理光譜特征數據集中耕地標簽為非閑置耕地所對應的數據和耕地標簽為非糧化閑置耕地所對應的數據作為所述預設神經網絡模型的訓練數據集，將所述時間序列影像數據集中耕地標簽為全年性閑置耕地所對應的數據作為所述長短時記憶網絡模型的訓練數據集；所述預設待訓練模型還包括決策樹模型，將所述紋理光譜特征數據集和所述時間序列影像數據集中耕地標簽為季節性閑置耕地所對應的數據作為所述決策樹模型的訓練數據集； 基于所述教師模型對預設待訓練模型進行訓練獲取學生模型包括： 使用基于特征的知識蒸餾將所述教師模型獲取的特征與所述預設神經網絡模型的特征進行特征維度對齊并傳遞到所述預設神經網絡模型的中間層，以獲取神經網絡學生模型； 使用基于特征的知識蒸餾將所述教師模型獲取的特征與所述長短時記憶網絡模型的特征進行特征維度對齊并傳遞到所述長短時記憶網絡模型的中間層，以獲取長短時記憶網絡學生模型； 使用基于目標的Logits蒸餾將所述教師模型的Softmax函數獲得的軟標簽用來輔助訓練所述決策樹模型，以獲取決策樹學生模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江省測繪科學技術研究院，其通訊地址為：311121 浙江省杭州市余杭區五常街道地信路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。