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！

龙图腾网恭喜自然资源部南海发展研究院(自然资源部南海遥感技术应用中心)申请的专利一种基于深度学习的红树林造林成效评估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：CN119942388B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510436500.8，技术领域涉及：G06V20/17；该发明授权一种基于深度学习的红树林造林成效评估方法及系统是由董迪;黄华梅;郭炳鑫;魏征;辛颖设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于深度学习的红树林造林成效评估方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的红树林造林成效评估方法及系统，该方法包括：获取数字正射影像并计算植被绿度面积比例；通过YOLOv8网络模型对小于预设植被绿度面积比例对应的红树林修复目标区进行红树林目标识别，得到单位面积内红树林株数；通过SegNet‑SAM网络模型对大于等于预设植被绿度面积比例对应的红树林修复目标区进行红树林范围提取，得到红树林盖度；结合单位面积内红树林株数和红树林盖度结果评估红树林造林成效。本发明能有效提高红树林造林成效的监测精度与效率。本发明作为一种基于深度学习的红树林造林成效评估方法及系统，可广泛用于林学测绘遥感技术领域。

本发明授权一种基于深度学习的红树林造林成效评估方法及系统在权利要求书中公布了：1.一种基于深度学习的红树林造林成效评估方法，其特征在于，包括以下步骤： 获取红树林修复目标区域的数字正射影像并进行植被绿度面积比例计算，得到红树林修复目标区域的植被绿度面积比例数据； 通过YOLOv8网络模型对小于预设植被绿度面积比例对应的第一红树林修复目标区域进行红树林目标识别，得到单位面积内红树林株数； 通过SegNet-SAM网络模型对大于等于预设植被绿度面积比例对应的第二红树林修复目标区域进行红树林范围提取，得到红树林盖度参数； 结合单位面积内红树林株数与红树林盖度参数，对红树林造林成效进行评估，得到红树林造林成效评估结果； 所述SegNet-SAM网络模型包括双编码器模块、特征融合模块与改进型解码器模块，其中，所述双编码器模块包括SAM图像编码器和SegNet编码器，所述特征融合模块包括卷积层、最大池化层、第一通道拼接模块与融合卷积模块，所述改进型解码器模块包括特征跳跃模块、反卷积上采样模块、双线性插值模块、自适应跳跃连接模块、特征加权融合模块与解码卷积模块； 对第二红树林修复目标区域进行红树林范围提取的过程具体为： 将第二红树林修复目标区域的数字正射影像进行数据集制作并进行数据预处理，得到第二数字正射影像数据集； 在双编码器模块中：基于SAM图像编码器和SegNet编码器分别对第二数字正射影像数据集进行图像编码特征提取处理，得到第一特征图和第二特征图； 在特征融合模块中：基于卷积层对第一特征图进行处理，基于最大池化层对第二特征图进行处理，通过第一通道拼接模块对处理后的第一特征图和第二特征图进行通道拼接处理，再通过融合卷积模块对拼接后的特征图进行融合卷积处理，得到融合后的特征图； 在改进型解码器模块中： 基于反卷积上采样模块对融合后的特征图进行反卷积上采样处理，得到预处理后的特征图； 基于特征跳跃模块对第二特征图进行多尺度特征提取处理，得到维度特征图，所述维度特征图包括第一维度特征图、第二维度特征图与第三维度特征图；基于双线性插值模块对维度特征图进行插值处理，得到插值后的维度特征图； 基于自适应跳跃连接模块，分别对插值后的维度特征图与预处理后的特征图进行特征融合，得到三个融合特征图； 基于特征加权融合模块，对三个融合特征图进行加权融合，得到加权融合的特征图； 基于解码卷积模块，对加权融合的特征图进行解码卷积处理，得到红树林分布结果。

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自然资源部南海发展研究院(自然资源部南海遥感技术应用中心)，其通讯地址为：510310 广东省广州市新港中路353号院1栋；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”。