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！

龙图腾网获悉中国矿业大学(北京);北京数论科技有限公司申请的专利结合多驱动因子与融合网络模型的排土场边界识别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：CN121214246B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511374904.5，技术领域涉及：G06V20/13；该发明授权结合多驱动因子与融合网络模型的排土场边界识别方法是由张涵;蒲丽君;楚天阔;邢江河;李军;张成业;游林设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本结合多驱动因子与融合网络模型的排土场边界识别方法在说明书摘要公布了：本发明公开了一种结合多驱动因子与融合网络模型的排土场边界识别方法，其方法包括：S1、构建排土场边界样本数据集和制作驱动因子特征库；S2、构建融合网络模型DAMAT‑U，编码单元对遥感影像数据进行逐层多尺度特征提取并依次得到特征图A1～An；S3、解码单元对特征图An进行逐层解码处理，解码单元包括驱动因子自适应模块DFAM，驱动因子自适应模块DFAM利用驱动因子特征数据实时生成模型的调制参数；在解码过程中对应跳跃连接并融合编码单元对应层特征图；S4、获取研究区的遥感影像数据输入训练后的融合网络模型DAMAT‑U进行排土场边界预测。本发明采用深度融合、多尺度特征提取、注意力增强和驱动因子自适应调制实现了研究矿区的排土场边界分割目的。

本发明授权结合多驱动因子与融合网络模型的排土场边界识别方法在权利要求书中公布了：1.一种结合多驱动因子与融合网络模型的排土场边界识别方法，其特征在于：其方法包括： S1、构建排土场边界样本数据集，排土场边界样本数据集包括遥感影像数据和关联标注排土场边界；制作包含P个驱动因子的驱动因子特征库，所述驱动因子特征库的驱动因子包含光谱特征因子、纹理特征因子、地形特征因子、时序特征因子和雷达特征因子，其中光谱特征因子包含归一化植被指数、归一化水体指数、归一化建筑指数、裸土指数、改进归一化水体指数、归一化燃烧指数、红边归一化植被指数、绿红植被指数，纹理特征因子包含纹理同质性和纹理差异性，地形特征因子包含坡度、坡向、地形曲率、剖面曲率、平面曲率和地形粗糙度，时序特征因子包含季节变化幅度和季节变化速率，雷达特征因子包含后向散射系数VV和后向散射系数VH；对遥感影像数据基于驱动因子特征库计算获取驱动因子特征数据； S2、以U-Net网络架构为核心构建融合网络模型DAMAT-U并利用排土场边界样本数据集进行学习训练，融合网络模型DAMAT-U包括编码单元和解码单元，编码单元对遥感影像数据进行逐层多尺度特征提取并依次得到特征图A1～An； S3、解码单元对特征图An进行逐层解码处理，解码单元包括驱动因子自适应模块DFAM，驱动因子自适应模块DFAM利用驱动因子特征数据进行编码与变换得到多维条件向量并利用多维条件向量生成与特征图层通道数相匹配的缩放参数γ和偏置参数β，利用特征线性调制机制对解码单元各层特征图进行逐通道的仿射变换并实时生成模型的调制参数；所述融合网络模型DAMAT-U的编码单元和解码单元均为五层结构，编码单元的第一层经过7×7卷积层下采样处理得到特征图A1，编码单元的第二层至第五层均包括3×3卷积层、2×2最大池化层和融合多尺度特征提取模块EASPPM，编码单元的第二层至第五层依次进行逐层多尺度特征提取；在解码过程中对应跳跃连接并融合编码单元对应层特征图，依次得到特征图Bn～B1，特征图B1经过1×1卷积、Sigmoid函数处理输出预测排土场边界； S4、获取研究区的遥感影像数据，对研究区的遥感影像数据按照驱动因子特征库计算获取驱动因子特征数据，将研究区的遥感影像数据和驱动因子特征数据输入训练后的融合网络模型DAMAT-U，融合网络模型DAMAT-U对应输出预测排土场边界。

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矿业大学(北京);北京数论科技有限公司，其通讯地址为：100083 北京市海淀区学院路丁11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。