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！

龙图腾网获悉中国地质调查局西安地质调查中心(西北地质科技创新中心)申请的专利基于OpenPCS和深度学习的农作物识别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：CN121600414B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610130340.9，技术领域涉及：G06V20/10；该发明授权基于OpenPCS和深度学习的农作物识别方法及系统是由牛千;刘江;尹立河;曾庆铭设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本基于OpenPCS和深度学习的农作物识别方法及系统在说明书摘要公布了：本发明涉及卫星遥感影像处理领域，具体涉及基于OpenPCS和深度学习的农作物识别方法及系统；获取多时相遥感影像样本；对多时相遥感影像样本进行预处理，将处理后的样本数据结构输入至Transformer模型中进行特征提取，得到高维特征向量；基于高维特征向量动态生成PCA模型；利用PCA模型对所述高维特征向量进行降维，得到低维特征；基于低维特征来计算贡献度评分，实现已知类农作物与未知类农作物的分类识别，本发明实现了多时相遥感影像中农作物识别精度和效率的提升,利用Transformer模型进行特征提取，并动态生成PCA模型进行降维和贡献度评分，在开放集环境下准确区分已知类和未知类农作物。

本发明授权基于OpenPCS和深度学习的农作物识别方法及系统在权利要求书中公布了：1.基于OpenPCS和深度学习的农作物识别方法，其特征在于，包括以下步骤： S1、获取多时相遥感影像样本； S2、对多时相遥感影像样本进行预处理，得到处理后的样本数据结构； S3、将处理后的样本数据结构输入至Transformer模型中进行特征提取，得到高维特征向量；基于高维特征向量动态生成PCA模型； S4、利用PCA模型对所述高维特征向量进行降维，得到低维特征；基于低维特征计算贡献度评分； 利用PCA模型对高维特征向量进行线性投影，得到低维特征，其计算式如下： 式中：raw为高维特征向量;red为低维特征；P为主成分矩阵；为均值向量； 假设低维特征服从多元正态分布，计算低维特征的对数似然值red，计算式如下： 式中：为特征均值向量；Σ为协方差矩阵；为协方差矩阵Σ的逆矩阵；为低维特征的维度； 对对数似然值进行归一化处理，得到贡献度评分S，其计算式如下： 式中：为待归一化的对数似然值，为原始数据集中对数似然值的最小值，为原始数据集中对数似然值的最大值； S5、基于预设的评分阈值，通过判断贡献度评分和Transformer模型的分类输出概率，实现已知类农作物与未知类农作物的分类识别。

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中国地质调查局西安地质调查中心(西北地质科技创新中心)，其通讯地址为：710000 陕西省西安市碑林区友谊东路438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”。

以上内容由龙图腾AI智能生成。