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！

龙图腾网恭喜电子科技大学;四川省国土整治中心申请的专利一种基于双向卷积时间自注意力机制的耕地提取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：CN116844041B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202310720547.8，技术领域涉及：G06V20/10；该发明授权一种基于双向卷积时间自注意力机制的耕地提取方法是由李世华;常明会;汪友平;赵涛;穆羽;蒋晓静;谢忠元;胡月明设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种基于双向卷积时间自注意力机制的耕地提取方法在说明书摘要公布了：本发明属于土地利用监测技术领域，具体为一种基于双向卷积时间自注意力机制的耕地提取方法。本发明首先，对时间序列下的每个原始图像的地块进行特征提取，将提取到的时间序列空间特征图像输送到双向卷积长短期记忆网络中进行时序特征提取，利用时间序列特征充分考虑到耕地作物生长随时间变化的趋势，提高了模型的准确性和鲁棒性；然后将提取到的时空特征送到自注意力模块，得到的原始时间特征通过自注意力模块，捕获长程的时间依赖性；再将上采样结果与编码器中具有相同分辨率的子模块的输出进行跳跃连接；最后将测试集数据输入到训练好的模型中，得到耕地地块的提取结果。本发明有效解决了当前耕地提取方法结果准确性低的问题。

本发明授权一种基于双向卷积时间自注意力机制的耕地提取方法在权利要求书中公布了：1.一种基于双向卷积时间自注意力机制的耕地提取方法，其特征在于，包括以下步骤：步骤1、对原始耕地图像时序数据和对应的原始标签图像时序数据分别进行分块处理：设两种原始图像的高为h，宽为w，通道个数为c，时间序列长度为t，对于多个时间序列下的原始图像同时对每个时间序列下的图像按相同的随机值随机产生分块高度、宽度的起始像素值，且同一个图像下不同时间序列的分块划分方式保持一致；构建的每一个地块下的数据特征为一个四维数组，以img_h为高，以img_w为宽，以c为通道，以t为时间序列划分出m个子像素序列其中每个像素序列X的大小为img_h×img_w×c×t，以X作为原始图像序列；每个标签序列Y的大小为img_h×img_w×c，为对应时间序列下地块的标签值；将最终获得的分块原始耕地图像时序数据和对应的分块原始标签图像时序数据分别存放在集合src_set和label_set，作为后续深度学习的数据集；步骤2、构造训练集和数据集，对src_set和label_set按照3:1:1的比例进行划分，分别构造训练集train_set，验证集val_set和测试集test_set；步骤3、在U-net框架下构造基于双向卷积长短期记忆网络Bi_CovLSTM的时间自注意力机制模型；将训练集数据通过以U-net作为骨干网络的深度学习模型，提取不同尺度下图像的时空特征；空间尺度共有l个，在每个尺度i下得到序列空间特征图其维度大小hi×wi×ci×t； 上式中，Cov·为卷积块函数，包括两层3×3的卷积层和ReLu激活函数，通过卷积层得到空间关系特征，Relu·为激活函数；步骤4、提取原始时间特征：将步骤3中得到的特征图输入到Bi_CovLSTM模型中，生成时间特征图维度大小为hi×wi×ci； 步骤5、将步骤4得到的时间特征图通过自注意力模块，捕获长程的时间依赖性，得到注意力特征图维度大小为hi×wi×ci； 步骤6、将步骤5中在最低分辨率下得到的注意力特征图作为解码器模块的输入，并采用转置卷积进行多层上采样操作，将每层上采样得到的结果与编码器部分对应尺度下的自注意力特征图进行跳跃连接；至此得到训练好的模型；步骤7、将测试集数据输入到步骤6所得训练好的模型中，完成耕地的分割。

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电子科技大学;四川省国土整治中心，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。