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！

龙图腾网获悉东北农业大学申请的专利一种基于多模态无人机数据融合的玉米产量预测模型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：CN117173524B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202311132629.7，技术领域涉及：G06V10/80；该发明授权一种基于多模态无人机数据融合的玉米产量预测模型是由周文琪;宋超;邢晓飞;安天昊;倪雪;王金武;孙小博;王奇;王金峰;唐汉设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本一种基于多模态无人机数据融合的玉米产量预测模型在说明书摘要公布了：本发明提供了一种基于多模态无人机预测玉米产量的方法，以用于准确预测农田间玉米产量，一方面可对玉米作物的产量评估提供新方法，另一方面也为其他作物的产量估算提供新思路，相较于传统的研究多基于单一类型遥感数据，以及传统机器学习方式，获得的产量预测模型鲁棒性较差,利用多模态融合的无人机遥感数据能够有效提高产量预测效率。

本发明授权一种基于多模态无人机数据融合的玉米产量预测模型在权利要求书中公布了：1.一种基于多模态无人机数据融合的玉米产量预测模型，其特征在于，包括以下步骤： S1：利用无人机搭载的多光谱传感器和激光雷达传感器，获取目标农田玉米三叶期至乳熟期的长时间序列多光谱影像和激光点云影像，同时获取气象站观测目标农田每日的日平均气温T、日最高气温Tmax、最低气温Tmin以及太阳总辐射KJm-2d-1； S2：利用ArCGIS软件的地理配准工具将无人机获取的多光谱影像和激光雷达点云影像进行地理配准，即纠正两种影像中位置的偏移； S3：利用ArcGIS软件中的重采样工具将地理配准及辐射定标后的多光谱影像和激光雷达点云影像降采样至同一空间分辨率下； S4：利用处理后的多光谱影像计算目标农田长时间序列的归一化植被指数NDVI和土壤调节植被指数SAVI，最终得到目标农田长时间序列的NDVI影像及SAVI影像； S5：基于步骤S4，使用线性插值获得长时间序列NDVI影像中的每日NDVI值； S6：利用Pix4DMapper软件对采集的雷达点云影像进行去噪及建模处理，生成LAS数据集，同时获得0.1m×0.1m的数字地表模型与密集点云； S7：为充分提取玉米结构信息，对处理后的点云数据使用Agisoft软件进行进一步分层提取； S8：利用ClothSimulationFilter算法将点云分类为地面点云与作物点云，接着将得到的地面点云进行拟合，获得数字高程模型； S9：将数字地表模型与数字高程模型导入ArcGIS软件中，通过栅格工具处理，得到冠层高度模型； S10：对获取的每日NDVI值、SAVI值，点云数据Point75-100、Point80-100、Point50-100以及步骤S1中气象站观测的日平均气温T、日最高气温Tmax、日最低气温Tmin、太阳总辐射KJm-2d-1，进行归一化处理，并删除数据集中的异常数据，通过时间序列滑动窗口按照重叠率85％将多模态、多时相特征进行划分，得到的时间窗口作为输入变量，新的时间窗口需要与标注的原始特征标签保持一致； S11：将经过预处理的数据作为输入信息分别输入到CNN-attention-LSTM模型中的三个分支，三个卷积层中的卷积核自适应的提取相应的数据特征，通过卷积层对数据集进行遍历，然后得到卷积核权重与局部序列卷积运算的特征矩阵,其中一个卷积层均与最大池化层相连，池化层与dropout层相连，卷积后的特征图保持原始的序列顺序，特征图进入两个连续的LSTM层，通过LSTM实现将特征图转换为隐藏状态，再将经过LSTM层的特征图进行融合，生成新的特征图； S12：通过自注意力机制对隐藏状态进行计算，得到特征向量z，经过激活函数tanh，得到隐藏状态的表示Ct，公式中W是权重矩阵，b为偏置向量，Softmax函数的归一化运算测得权重αt，最终向量z作为隐藏状态加权和； S13：通过输出部分将融合的多模态特征进行转换，将特征样本输入到弹性回归网络层中进行训练，得到产量预测结果； S14:根据目标农田玉米从三叶期至乳熟期的关键生育期测定的氮肥利用率、叶面积指数LAI和地上生物量AGB确定实际产量； 步骤S8中利用ClothSimulationFilter算法将点云分类为地面点云与作物点云，接着将得到的地面点云进行拟合，获得数字高程模型的具体步骤如下： ClothSimulationFilter算法基本公式为： 其中X为“布料”表面粒子在t时刻位置，其受到外部驱动因素FextX,t与内部驱动因素FintX,t影响，假设只受到外部驱动因素影响，则设置其内部驱动因素为0，其关系为： 上式中的m为布料粒子的重量，Δt代表时间步长，用于计算迭代粒子的位置，同时，内部驱动因素FintX,t可以控制粒子在空白区域的反转问题： 上式中为粒子位移量，为标准化到垂直方向的单位向量；通过内部驱动因素与外部驱动因素的驱动，计算Lidar点云与粒子间高度差异，最终得到地面点分类。

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东北农业大学，其通讯地址为：150030 黑龙江省哈尔滨市香坊区长江路600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。