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！

龙图腾网获悉成都理工大学申请的专利一种用于高原山地的云雪湖泊图像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：CN118675061B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410810651.0，技术领域涉及：G06V20/13；该发明授权一种用于高原山地的云雪湖泊图像识别方法是由孙章丽;黄开洪;熊一;王航通;涂琳;杨晨曦设计研发完成，并于2024-06-21向国家知识产权局提交的专利申请。

本一种用于高原山地的云雪湖泊图像识别方法在说明书摘要公布了：本发明公开了一种用于高原山地的云雪湖泊图像识别方法，具体涉及云雪湖泊图像识别技术领域。本发明采用支持向量机进行分割，大幅度降低了遥感影像同物异谱和异物同谱的影响，可降低分割难度并提高分类精度，更易对云雪湖泊图像进行标注，使其能够满足分割数据集的标准；将FPN深度学习模型和MobileNet‑v2卷积神经网络进行结合，提取不同尺度特征，提高预测结果的精度，且因为深度可分离卷积的使用，降低了模型的参数量并利于设备的部署；且MobileNet‑v2卷积神经网络引入线性瓶颈结构、宽度多尺度结构和倒残差结构，减少模型的计算成本，更好地保留信息并提高识别方法的性能和非线性表示能力。

本发明授权一种用于高原山地的云雪湖泊图像识别方法在权利要求书中公布了：1.一种用于高原山地的云雪湖泊图像识别方法，其特征在于：包括以下步骤：S1、获取高原山地的云雪湖泊的遥感影像数据；S2、对遥感影像数据进行预处理，获取假彩色影像数据；S3、将假彩色影像数据输入至云雪湖泊图像识别模型，得到识别结果，完成对云雪湖泊图像的识别；所述步骤S3中的云雪湖泊图像识别模型包括串联的MobileNet-v2卷积神经网络和FPN深度学习模型；所述MobileNet-v2卷积神经网络包括串联的逐深度卷积层和逐点卷积层；所述FPN深度学习模型包括串联的编码器和解码器；所述编码器包括串联的第一卷积层、Bottleneck模块；所述Bottleneck模块包括串联的第一Bottleneck单元、第二Bottleneck单元和第三Bottleneck单元，第一Bottleneck单元、第二Bottleneck单元和第三Bottleneck单元均包括串联的Bottleneck1层、Bottleneck2层；所述Bottleneck1层包括串联的第二卷积层、第一Dwise层和线性卷积层；所述Bottleneck2层包括串联的第三卷积层、第二Dwise层和线性卷积层；所述解码器包括并行的第一采样模块、第二采样模块和第三采样模块，且第一采样模块和第二采样模块之间、第二采样模块和第三采样模块之间通过上采样层进行连接；所述第一采样模块、第二采样模块和第三采样模块均包括串联的两个第四卷积层和上采样层；所述第一卷积层采用Relu函数进行激活，且卷积核大小为以及步长为2；所述第二卷积层和第三卷积层均采用Relu函数进行激活，且卷积核大小为；所述第一Dwise层采用Relu函数进行激活，且卷积核大小为以及步长为2；所述第二Dwise层采用Relu函数进行激活，且卷积核大小为；每个所述线性卷积层的卷积核大小均为；每个所述第四卷积层采用Relu函数进行激活，且卷积核大小为以及步长为1；所述步骤S3中的云雪湖泊图像识别模型的训练过程包括以下步骤：S3-1、获取训练遥感影像数据并采用与步骤S1至S2相同的方法进行处理，得到训练假彩色影像数据；S3-2、利用SVM对训练假彩色影像数据进行分割，获取初始训练分割数据；S3-3、对训练分割数据集进行随机裁剪和数据增强，得到最终训练分割数据；S3-4、将最终训练分割数据输入至逐深度卷积层，得到第一特征图数据；S3-5、将第一特征图数据输入至逐点卷积层输入至逐点卷积层，得到第二特征图数据；S3-6、将第二特征图数据输入至第一卷积层和第一Bottleneck单元，得到第三特征图数据；S3-7、将第三特征图数据输入至第二Bottleneck单元，得到第四特征图数据；S3-8、将第四特征图数据输入至第三Bottleneck单元，得到第五特征图数据；S3-9、将第五特征图数据输入至第一采样模块，得到第一预测结果；S3-10、将第四特征图数据和第一采样模块的第一个第四卷积层的输出数据进行拼接后输入至第二采样模块，得到第二预测结果；S3-11、将第三特征图数据和第二采样模块的第一个第四卷积层的输出数据进行拼接后输入至第三采样模块，得到第三预测结果；S3-12、对第一预测结果、第二预测结果和第三预测结果进行逐像元相加并利用Sigmoid函数进行处理，得到最终预测结果；S3-13、对最终预测结果进行计算，得到交叉熵损失函数；S3-14、基于交叉熵损失函数对云雪湖泊图像识别模型的参数进行调整，直至得到云雪湖泊图像识别模型的最佳权重，完成对云雪湖泊图像识别模型的训练。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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”。