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！

龙图腾网获悉浙江农林大学申请的专利一种香榧种类识别方法、电子设备和可读存储介质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：CN118644737B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202410997907.3，技术领域涉及：G06V10/764；该发明授权一种香榧种类识别方法、电子设备和可读存储介质是由曾松伟;李启鹏;吴家胜;宋丽丽;胡渊渊;徐雯婷;朱浩然;田志远设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种香榧种类识别方法、电子设备和可读存储介质在说明书摘要公布了：本申请公开了一种香榧种类识别方法、电子设备和可读存储介质；该方法包括预设香榧识别模型，通过香榧识别模型识别香榧图像中的特征，并根据香榧图像中的特征识别香榧的种类；特征提取模块，特征提取模块基于模拟量子优化方法，来优化特征提取的神经网络参数，提取香榧图像中的关键特征；特征降维模块，特征降维模块基于稀疏编码自编码器，对关键特征进行特征降维；分类器模块，分类器模块基于光滑近似的极限学习机算法，对降维后的关键特征进行分类，输出香榧的种类。本申请有效提取香榧图像的关键特征，同时减少计算复杂度；提高模型的泛化能力和训练效率；减少了噪声对识别准确性的影响。

本发明授权一种香榧种类识别方法、电子设备和可读存储介质在权利要求书中公布了：1.一种香榧种类识别方法，其特征在于，包括步骤：预设香榧识别模型，通过所述香榧识别模型识别香榧图像中的特征，并根据所述香榧图像中的特征识别所述香榧的种类；所述香榧识别模型包括：特征提取模块，所述特征提取模块基于模拟量子优化方法，来优化所述特征提取模块的神经网络参数，提取所述香榧图像中的关键特征；特征降维模块，所述特征降维模块基于稀疏编码自编码器，对所述关键特征进行特征降维；分类器模块，所述分类器模块基于光滑近似的极限学习机算法，对降维后的所述关键特征进行分类，输出所述香榧的种类；通过训练数据集对所述香榧识别模型进行训练，通过训练完成的所述香榧识别模型识别所述香榧的种类；所述训练数据集为预处理后的香榧图像，所述香榧图像中包括不同地理位置、不同气候条件和不同生长阶段下的香榧；所述香榧图像中包含所述香榧的不同部分；对所述香榧图像的预处理步骤包括：数据标注和数据标准化；在所述数据标注步骤中，对所述训练数据集中的所述香榧图像进行标注，区分不同的香榧种类；标注类别为所述香榧的具体种类，每个标注对应于相应所述香榧图像的香榧种类；在所述数据标准化步骤中：包括调整像素均值和标准差，采用图像标准化的方式进行标准化处理，标准化处理的方式表示为： 其中，为原始香榧图像，为所述香榧图像的像素均值，为所述香榧图像的像素标准差；为标准化后的所述香榧图像。

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浙江农林大学，其通讯地址为：310000 浙江省杭州市临安区武肃街666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”。