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！

龙图腾网获悉安徽大学申请的专利茶叶病害的检测方法及相关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：CN115294467B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210868307.8，技术领域涉及：G06V20/13；该发明授权茶叶病害的检测方法及相关装置是由鲍文霞;朱自强;胡根生;王年;汪振宇设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本茶叶病害的检测方法及相关装置在说明书摘要公布了：本申请提供了茶叶病害的检测方法及相关装置，用于对茶叶进行检测，所述方法包括：将待测茶叶图像输入至茶叶病害检测模型，以得到待测茶叶图像的病害检测结果。其中，用于训练茶叶病害检测模型的深度学习模型包括BackBone单元、Neck单元和Head单元，BackBone单元添加有RFB模块，Neck单元添加有二维混合注意力模块，该二维混合注意力模块分为上下两个并行分支，它是由上分支的通道注意力子模块、空间注意力子模块和下分支的坐标注意力子模块混合而成。另外，采用无人机拍摄得到的遥感数据进行超分辨率重建，制作得到训练集。在茶叶病害检测模型中使用了平均精度更高、检测速度更快的单元和模块，定位到需要注意的茶叶病害位置，解决传统检测方法耗时耗力和漏检误检的问题。

本发明授权茶叶病害的检测方法及相关装置在权利要求书中公布了：1.一种茶叶病害的检测方法，其特征在于，用于对茶叶进行检测，所述方法包括： 将待测茶叶图像输入至茶叶病害检测模型，以得到所述待测茶叶图像的病害检测结果，所述待测茶叶图像的病害检测结果用于指示所述待测茶叶图像对应的至少一个叶片是否患有目标病害； 其中，所述茶叶病害检测模型的训练过程包括： 获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本茶叶图像以及所述样本茶叶图像的病害检测结果的标注数据，所述样本茶叶图像的病害检测结果用于指示所述样本茶叶图像对应的至少一个叶片是否患有所述目标病害； 针对所述训练集中的每个训练数据，执行以下处理： 将所述训练数据中的样本茶叶图像输入预设的深度学习模型，以得到所述样本茶叶图像的病害检测结果的预测数据； 基于所述样本茶叶图像的病害检测结果的预测数据和标注数据，对所述深度学习模型的模型参数进行更新； 检测是否满足预设的训练结束条件；如果是，则将训练出的所述深度学习模型作为所述茶叶病害检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型； 所述深度学习模型包括BackBone单元、Neck单元和Head单元，所述BackBone单元添加有RFB模块，所述Neck单元添加有注意力模块； 所述将所述训练数据中的样本茶叶图像输入预设的深度学习模型，以得到所述样本茶叶图像的病害检测结果的预测数据，包括： 利用所述BackBone单元对所述样本茶叶图像进行特征提取以获取特征信息，所述特征信息包括：所述样本茶叶图像所对应的低层空间特征和高层语义特征；其中，所述RFB模块用于部分低层空间特征和部分高层语义特征的提取过程； 利用所述BackBone单元向Neck单元输入所述低层空间特征和所述高层语义特征； 利用所述Neck单元对所述低层空间特征和所述高层语义特征进行特征融合，以得到特征融合结果； 利用所述注意力模块获取所述特征融合结果对应的多个特征图； 针对每个所述特征图，利用所述Head单元生成对应的检测框，以获取所述样本茶叶图像的病害检测结果的预测数据； 所述注意力模块是二维混合注意力模块； 所述二维混合注意力模块分为上下两个并行分支，上分支包括通道注意力子模块和空间注意力子模块，下分支包括坐标注意力子模块。

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安徽大学，其通讯地址为：230039 安徽省合肥市肥西路3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”。