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！

龙图腾网获悉华中师范大学申请的专利基于深度学习与随机森林的典型尾矿库遥感目标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：CN116109935B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202111315598.X，技术领域涉及：G06V20/13；该发明授权基于深度学习与随机森林的典型尾矿库遥感目标识别方法是由吴浩;刘冰洁;胡少华;涂振发;林安琪;宋旦霞设计研发完成，并于2021-11-08向国家知识产权局提交的专利申请。

本基于深度学习与随机森林的典型尾矿库遥感目标识别方法在说明书摘要公布了：本发明提供的基于深度学习与随机森林的典型尾矿库遥感目标识别方法，是通过典型尾矿库遥感目标识别方法体系实现的，该体系主要由原始影像数据集制作、基于FasterR‑CNN的目标检测、基于U‑Net等模型的多维特征提取、基于随机森林的特征筛选与分类组成，其中：原始影像数据集制作进行识别区域原始影像目标标记用于目标检测模型训练，基于FasterR‑CNN模型首先实现大范围遥感影像中尾矿库的粗提取，基于U‑Net等模型对识别结果进行尾矿库的面积、场景拓扑关系、影像长宽比等多维特征进行提取用于虚警目标与真实目标的分类，使用随机森林进行典型特征筛选与真实目标分类，实现典型尾矿库的高精度识别。本发明具有成本低、准确性高、范围广等优点。

本发明授权基于深度学习与随机森林的典型尾矿库遥感目标识别方法在权利要求书中公布了：1.一种基于深度学习与随机森林的典型尾矿库遥感目标识别方法，其特征是通过典型尾矿库遥感目标识别方法体系实现的，该方法体系由原始影像数据集制作、基于FasterR-CNN的目标检测、基于U-Net模型的多维特征提取、基于随机森林的特征筛选与分类组成，其中：原始影像数据集制作进行识别区域原始影像目标标记用于目标检测模型训练，基于FasterR-CNN模型首先实现大范围遥感影像中尾矿库的粗提取，基于U-Net模型对识别结果进行尾矿库的面积、场景拓扑关系、影像长宽比多维特征进行提取用于虚警目标与真实目标的分类，使用随机森林进行典型特征筛选与真实目标分类，实现典型尾矿库的高精度识别； 该方法基于FasterR-CNN的典型尾矿库目标检测、基于U-Net模型与Res-Net模型的特征提取和基于随机森林的尾矿库识别，具体为： 1基于FasterR-CNN的目标检测： a.根据面向公众公布尾矿库统计信息标注已知尾矿库位置信息并从遥感影像中采集具有RGB三通道的高分辨率尾矿库遥感图像样本，选择研究区影像使用LabelImg工具进行目标识别特征数据集制作； b.使用FasterR-CNN的模型对尾矿库进行识别，使用特征训练后的模型识别出影像中可能存在的尾矿库；根据模型给出尾矿库的识别置信度的大小，统计并对比真实的尾矿库与设定阈值后保留的识别目标对象，确定当识别目标中保留所有真实尾矿库时的阈值，并将该阈值下的尾矿库识别结果作为二次筛选样本数据集； 2基于U-Net模型与Res-Net模型的特征提取： a.对识别结果图像数据集，获取图像宽、高及宽高比作为尾矿库数据集图像特征； b.基于U-Net模型实现尾矿库的图像分割，获取分割对象的面积特征； c.改进U-Net模型实现尾矿库的水、沙、坝的语义分割，获取识别数据集中各组成元素的几何特征和空间分布特征； d.将Res-Net模型应用于尾矿库数据集的分类，将整体判断是否为尾矿库的概率作为概率特征值； 3基于随机森林的尾矿库识别： a.基于随机森林算法原理，制作尾矿库识别特征样本集，将训练样本按照8：2的比例分为训练集和验证集，使用训练集进行随机森林分类模型训练； b.选择最优参数组合并验证模型分类精度，实现尾矿库的二次筛选。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152号华中师范大学；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”。

以上内容由龙图腾AI智能生成。