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！

龙图腾网恭喜河海大学申请的专利一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统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：CN117953278B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202410033933.4，技术领域涉及：G06V10/764；该发明授权一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统是由李琼芳;吴志俊;杨小强;陈启慧;任黎;许树洪;周正模;陈云瑶设计研发完成，并于2024-01-10向国家知识产权局提交的专利申请。

本一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统在说明书摘要公布了：本发明公开了一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统，方法包括：基于遥感云平台进行Landsat遥感影像数据集获取与预处理；结合灌区作物季节和物候变化特征构建遥感影像特征数据集；基于基尼系数对特征重要性排序，并通过递归特征消除算法确定最优特征组合；基于最优特征组合，将不同机器学习算法进行叠加提出Stacking算法架构下基于多个差异化模型集成的灌区作物分类模型；比较不同模型在灌区作物分类中的性能表现，基于最优灌区作物模型实现灌区作物精确分类。本发明通过构建最优特征组合以及集成分类模型的方法能够有效提高灌区作物的分类精度，为复杂种植结构灌区获取大范围作物分布制图提供技术参考。

本发明授权一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统在权利要求书中公布了：1.一种基于遥感云平台和机器学习算法的灌区作物分类方法，其特征在于，包括以下步骤：S1、获取研究区作物地理标记样本信息，并将作物样本随机分为训练样本和验证样本，基于遥感云平台筛选覆盖研究区的Landsat系列遥感影像数据集，并利用掩膜算法提取出只含耕地的研究区遥感影像；S2、根据提取的遥感影像，结合灌区作物季节和物候变化信息生成光谱指数特征、时间物候特征、空间纹理特征和地形特征后进行叠加，构建研究区遥感影像特征数据集，其中，生成光谱指数特征包括：基于遥感云平台提取Landsat-8系列遥感影像中6个光谱特征，包括蓝、绿、红、近红外、短波红外1和短波红外2，以及计算9个常见的植被指数特征，包括归一化植被指数、增强型植被指数、归一化水体指数、植被水分含量指数、归一化衰败植被指数、归一化耕作指数、叶绿素植被指数、改进型土壤调整植被指数和归一化差异绿度指数，结合光谱反射率和植被指数时序变化特征计算15个光谱指数特征在灌区作物生长季的中位数、平均值、最大值、最小值、标准差值以及指定百分位值，其中，对于每一个光谱指数特征，采用median函数计算中位数；通过光谱反射率和植被指数时间序列计算光谱指数特征直方图，并采用百分位percentile函数计算5％、25％、50％、75％和95％的百分位特征；采用max、min、mean和stdDev函数计算光谱指数时间序列的最大值、最小值、平均数和标准差；共得到150维光谱指数特征；生成时间物候特征包括：基于灌区作物物候特性将作物整个生长季划分为3个物候期，即播种期、生长期和收获期，并采用median函数计算9个植被指数特征在3个物候期的中位数，得到27维时间物候特征；生成空间纹理特征包括：基于归一化植被指数和植被水分含量指数中位数的角秒矩、对比度、相关性、方差、差分逆矩、和平均、和方差、和熵、熵、差方差、差熵、相关1和相关2的信息测度、最大相关系数、不相似度、惯性、聚类阴影、聚类突出共18个指标进行灰度共生矩阵GLCM变换，生成36维空间纹理特征；生成地形特征包括：基于空间分辨率30m×30m的SRTMDEM数字高程数据提取坡度、坡向和海拔特征；S3、基于遥感影像特征数据集计算各特征的重要性系数，并按照重要性系数的高低进行排序，将指定百分比的低重要性特征删除，在剩余特征数据集的基础上基于递归特征消除算法进行内部交叉验证确定最优特征组合，包括：S3-1、基于步骤S2生成的光谱指数、时间物候、空间纹理和地形特征，采用基尼重要性系数对各特征进行重要度计算，按大小进行排序，删除一个或多个最不重要的特征并对特征集进行更新，重复上述步骤，直至所有属性重要性评级结束；S3-2、在剩余特征数据集的基础上采用GoogleColab平台上scikit-learn包的RFE算法交叉验证所选特征集，并识别平均分最高的特征数量后确定最优特征组合；S4、将不同机器学习算法进行叠加提出Stacking算法架构下基于多个差异化模型集成的灌区作物分类模型，利用最优特征组合进行训练，并通过构建混淆矩阵比较不同模型在灌区作物分类中的性能表现，确定最优Stacking集成灌区作物分类模型，包括以下步骤：S4-1、通过遥感云平台建立分类决策树CART、随机森林RF、支持向量机SVM、梯度提升决策树GBDT四个机器学习模型，并基于最优特征组合对每个机器学习模型进行训练；S4-2、将训练好的CART、RF、SVM和GBDT四个单一机器学习模型作为初级分类器，并再次使用这四个机器学习模型作为次级分类器，通过训练获得次级分类器的最优参数，得到Stacking算法架构下基于多个差异化模型集成的灌区作物分类模型；S4-3、通过构建混淆矩阵来评价四种不同机器学习算法的作物分类精度以及对比不同次级学习器的Stacking集成灌区作物分类模型的精度结果，确定最优Stacking集成灌区作物分类模型；S5、利用确定的最优Stacking集成灌区作物分类模型，提取灌区的作物分类结果。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路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”。