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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利洪涝损毁农田检测方法、装置、设备和存储介质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：CN119131578B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411137918.0，技术领域涉及：G06V20/10；该发明授权洪涝损毁农田检测方法、装置、设备和存储介质是由王福涛;秦港;王世新;王丽涛;刘文亮;朱金峰;侯艳芳;赵清设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本洪涝损毁农田检测方法、装置、设备和存储介质在说明书摘要公布了：本发明提供一种洪涝损毁农田检测方法、装置、设备和存储介质，涉及图像处理技术领域，包括获取待检测农田区域的第一遥感影像及第二遥感影像；基于第一遥感影像及第二遥感影像，应用于洪涝损毁变化检测模型得到洪涝损毁图，其中，构建孪生深度卷积神经网络；基于标记样本图像数据对孪生深度卷积神经网络进行模型训练得到预训练的洪涝损毁变化检测模型；基于预训练的洪涝损毁变化检测模型对未标记样本图像数据进行预测得到洪涝损毁伪标签概率图；基于标记样本图像数据、未标记样本图像数据及洪涝损毁伪标签概率图对预训练的洪涝损毁变化检测模型进行半监督训练得到训练好的洪涝损毁变化检测模型。如此提高洪涝损毁农田变化检测精度。

本发明授权洪涝损毁农田检测方法、装置、设备和存储介质在权利要求书中公布了：1.一种洪涝损毁农田检测方法，其特征在于，所述方法包括： 获取待检测农田区域的洪涝损毁前的第一遥感影像及洪涝损毁后的第二遥感影像； 基于待检测农田区域的所述第一遥感影像及所述第二遥感影像，应用于洪涝损毁变化检测模型，得到待检测农田区域的洪涝损毁图； 其中，所述洪涝损毁变化检测模型是通过以下方式训练得到的： 构建孪生深度卷积神经网络； 基于标记样本图像数据对所述孪生深度卷积神经网络进行模型训练，得到预训练的洪涝损毁变化检测模型，所述标记样本图像数据中包括至少一组标记农田样本图像对数据，所述标记农田样本图像对数据中包括洪涝损毁前的第一农田样本遥感影像、洪涝损毁后的第二农田样本遥感影像及所述第二农田样本遥感影像对应的洪涝损毁真实标签图； 基于所述预训练的洪涝损毁变化检测模型对未标记样本图像数据进行预测，得到洪涝损毁伪标签概率图，所述未标记样本图像数据包括至少一组未标记农田样本图像对数据，所述未标记农田样本图像对数据包括洪涝损毁前的第三农田样本遥感影像及洪涝损毁后的第四农田样本遥感影像； 基于所述标记样本图像数据、所述未标记样本图像数据及所述洪涝损毁伪标签概率图对所述预训练的洪涝损毁变化检测模型进行半监督训练，得到训练好的所述洪涝损毁变化检测模型； 其中，基于所述标记样本图像数据、所述未标记样本图像数据及所述洪涝损毁伪标签概率图对所述预训练的洪涝损毁变化检测模型进行半监督训练，得到训练好的所述洪涝损毁变化检测模型，包括： 基于所述标记样本图像数据对所述预训练的洪涝损毁变化检测模型进行有监督训练，确定有监督训练对应的有监督损失；基于所述未标记样本图像数据及所述洪涝损毁伪标签概率图，结合Top-k策略对所述预训练的洪涝损毁变化检测模型进行无监督训练，确定无监督训练对应的无监督损失；基于所述有监督损失及所述无监督损失，得到训练好的所述洪涝损毁变化检测模型； 所述无监督损失是通过如下方式得到的： ； 其中，是未标记样本图像数据的无监督损失，是未标记样本图像数据的批次大小，τ是用于过滤噪声标签的预定义置信度区间，是在未标记样本图像数据的洪涝损毁伪标签概率图，是在未标记样本图像数据的洪涝损毁伪标签图，且，为洪涝损毁伪标签图与洪涝损毁伪标签概率图之间的交叉熵损失,为洪涝损毁伪标签图与洪涝损毁伪标签概率图之间的迪斯系数损失。

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科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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。