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！

龍圖騰網恭喜自然資源部南海發展研究院(自然資源部南海遙感技術應用中心)申請的專利一種基于深度學習的紅樹林造林成效評估方法及系統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：CN119942388B 。

龍圖騰網通過國家知識產權局官網在2025-06-17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：202510436500.8，技術領域涉及：G06V20/17；該發明授權一種基于深度學習的紅樹林造林成效評估方法及系統是由董迪;黃華梅;郭炳鑫;魏征;辛穎設計研發完成，并于2025-04-09向國家知識產權局提交的專利申請。

本一種基于深度學習的紅樹林造林成效評估方法及系統在說明書摘要公布了：本發明公開了一種基于深度學習的紅樹林造林成效評估方法及系統，該方法包括：獲取數字正射影像并計算植被綠度面積比例；通過YOLOv8網絡模型對小于預設植被綠度面積比例對應的紅樹林修復目標區進行紅樹林目標識別，得到單位面積內紅樹林株數；通過SegNet?SAM網絡模型對大于等于預設植被綠度面積比例對應的紅樹林修復目標區進行紅樹林范圍提取，得到紅樹林蓋度；結合單位面積內紅樹林株數和紅樹林蓋度結果評估紅樹林造林成效。本發明能有效提高紅樹林造林成效的監測精度與效率。本發明作為一種基于深度學習的紅樹林造林成效評估方法及系統，可廣泛用于林學測繪遙感技術領域。

本發明授權一種基于深度學習的紅樹林造林成效評估方法及系統在權利要求書中公布了：1.一種基于深度學習的紅樹林造林成效評估方法，其特征在于，包括以下步驟： 獲取紅樹林修復目標區域的數字正射影像并進行植被綠度面積比例計算，得到紅樹林修復目標區域的植被綠度面積比例數據； 通過YOLOv8網絡模型對小于預設植被綠度面積比例對應的第一紅樹林修復目標區域進行紅樹林目標識別，得到單位面積內紅樹林株數； 通過SegNet-SAM網絡模型對大于等于預設植被綠度面積比例對應的第二紅樹林修復目標區域進行紅樹林范圍提取，得到紅樹林蓋度參數； 結合單位面積內紅樹林株數與紅樹林蓋度參數，對紅樹林造林成效進行評估，得到紅樹林造林成效評估結果； 所述SegNet-SAM網絡模型包括雙編碼器模塊、特征融合模塊與改進型解碼器模塊，其中，所述雙編碼器模塊包括SAM圖像編碼器和SegNet編碼器，所述特征融合模塊包括卷積層、最大池化層、第一通道拼接模塊與融合卷積模塊，所述改進型解碼器模塊包括特征跳躍模塊、反卷積上采樣模塊、雙線性插值模塊、自適應跳躍連接模塊、特征加權融合模塊與解碼卷積模塊； 對第二紅樹林修復目標區域進行紅樹林范圍提取的過程具體為： 將第二紅樹林修復目標區域的數字正射影像進行數據集制作并進行數據預處理，得到第二數字正射影像數據集； 在雙編碼器模塊中：基于SAM圖像編碼器和SegNet編碼器分別對第二數字正射影像數據集進行圖像編碼特征提取處理，得到第一特征圖和第二特征圖； 在特征融合模塊中：基于卷積層對第一特征圖進行處理，基于最大池化層對第二特征圖進行處理，通過第一通道拼接模塊對處理后的第一特征圖和第二特征圖進行通道拼接處理，再通過融合卷積模塊對拼接后的特征圖進行融合卷積處理，得到融合后的特征圖； 在改進型解碼器模塊中： 基于反卷積上采樣模塊對融合后的特征圖進行反卷積上采樣處理，得到預處理后的特征圖； 基于特征跳躍模塊對第二特征圖進行多尺度特征提取處理，得到維度特征圖，所述維度特征圖包括第一維度特征圖、第二維度特征圖與第三維度特征圖；基于雙線性插值模塊對維度特征圖進行插值處理，得到插值后的維度特征圖； 基于自適應跳躍連接模塊，分別對插值后的維度特征圖與預處理后的特征圖進行特征融合，得到三個融合特征圖； 基于特征加權融合模塊，對三個融合特征圖進行加權融合，得到加權融合的特征圖； 基于解碼卷積模塊，對加權融合的特征圖進行解碼卷積處理，得到紅樹林分布結果。

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自然資源部南海發展研究院(自然資源部南海遙感技術應用中心)，其通訊地址為：510310 廣東省廣州市新港中路353號院1棟；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”。