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大学(武汉)申请的专利海岛礁底质分类模型的构建方法、分类方法及装置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：CN121561612B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610099286.6，技术领域涉及：G06F18/2413；该发明授权海岛礁底质分类模型的构建方法、分类方法及装置是由谌一夫;吴临;乐源设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本海岛礁底质分类模型的构建方法、分类方法及装置在说明书摘要公布了：本发明提供了一种海岛礁底质分类模型的构建方法、分类方法及装置，涉及模型分类技术领域，所述海岛礁底质分类模型的构建方法包括：获取岛礁区的数据集，其中，所述数据集包括遥感数据以及基于所述遥感数据反演的水深数据和叶绿素浓度；基于预设的神经网络模型，对所述数据集分别进行特征提取，并根据获得的所述岛礁区中同一预设位置的所述光谱特征和所述水深‑叶绿素特征构建正样本对，根据获得的所述岛礁区中选定的预设位置的所述光谱特征，以及所有的预设位置的所述水深‑叶绿素特征构建全体样本对，根据所述正样本对和所述全体样本对构建样本特征对。本发明，能够在少量标签数据下提高海岛礁底质分类的精度。

本发明授权海岛礁底质分类模型的构建方法、分类方法及装置在权利要求书中公布了：1.一种海岛礁底质分类模型的构建方法，其特征在于，包括： 获取岛礁区的数据集，其中，所述数据集包括遥感数据以及基于所述遥感数据反演的水深数据和叶绿素浓度； 将所述遥感数据输入预设的神经网络模型中第一网络，以获取光谱特征； 将所述水深数据和叶绿素浓度输入预设的所述神经网络模型中第二网络，以获取水深-叶绿素特征； 基于预设位置中同一底质区域的所述光谱特征和所述水深-叶绿素特征构建第一正样本对，基于选定的底质区域的所述光谱特征，以及所有的所述底质区域的所述水深-叶绿素特征构建第一全体样本对，根据所述第一正样本对和所述第一全体样本对构建第一样本特征对； 基于所述预设位置中同一所述底质区域下同一位置点的所述光谱特征和所述水深-叶绿素特征构建第二正样本对，基于同一所述底质区域下选定的位置点的所述光谱特征，以及同一所述底质区域下所有的位置点的所述水深-叶绿素特征构建第二全体样本对，根据所述第二正样本对和所述第二全体样本对构建第二样本特征对； 其中，样本特征对包括所述第一样本特征对和第二样本特征对； 根据所述第一样本特征对构建全局对比损失函数，所述全局对比损失函数用于：拉近同一所述底质区域的所述第一正样本对在特征空间中的距离，扩大不同所述底质区域的第一负样本对在所述特征空间中的距离；第一负样本对为第一全体样本对中不同所述底质区域的光谱特征和所述水深-叶绿素特征构建的； 根据所述第二样本特征对构建局部对比损失函数，所述局部对比损失函数用于：拉近同一所述底质区域的同一位置点的所述第二正样本对在所述特征空间中的距离，扩大同一所述底质区域中不同一位置点的第二负样本对在所述特征空间中的距离；第二负样本对为第二全体样本对中同一所述底质区域中不同一位置的光谱特征和所述水深-叶绿素特征构建的； 综合所述全局对比损失函数和所述局部对比损失函数，对所述第一网络和所述第二网络进行训练，直到满足预设训练完成条件，以获得融合特征提取器； 根据所述融合特征提取器以及预训练的分类器，构建海岛礁底质分类模型，以对所述岛礁区的底质区域进行分类。

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大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388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。