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！

龙图腾网获悉吉林大学申请的专利一种基于深度学习的玉米收获机清选机构堵塞检测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：CN120411488B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510912802.8，技术领域涉及：G06V10/25；该发明授权一种基于深度学习的玉米收获机清选机构堵塞检测方法是由刘凤双;车犇;付君;郑元帅;张家亮;李振晔;薛钊设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于深度学习的玉米收获机清选机构堵塞检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的玉米收获机清选机构堵塞检测方法，涉及农业机械智能化检测技术领域，包括：获取待检测玉米收获机的清选机构的目标图像，将目标图像输入至预训练模型中得到目标图像对应的检测结果，基于检测结果判断待检测玉米收获机的堵塞情况；预训练模型的训练过程为：对训练样本进行预处理，得到目标训练样本；通过FastR‑CNN模型对目标训练样本进行处理，结合测试样本以及损失函数，对FastR‑CNN模型进行参数优化，生成目标模型，当目标模型满足预设要求时，将目标模型作为预训练模型进行输出。本发明结合图像预处理和目标检测算法，能够快速识别堵塞区域并触发报警，有效提升机械运行的智能化水平。

本发明授权一种基于深度学习的玉米收获机清选机构堵塞检测方法在权利要求书中公布了：1.一种基于深度学习的玉米收获机清选机构堵塞检测方法，其特征在于，包括： 获取待检测玉米收获机的清选机构的目标图像，将所述目标图像输入至预训练模型中得到所述目标图像对应的检测结果，基于所述检测结果判断所述待检测玉米收获机的堵塞情况； 所述预训练模型的训练过程为： 获取训练样本，对所述训练样本进行预处理，得到目标训练样本； 通过FastR-CNN模型对所述目标训练样本进行处理，结合测试样本以及损失函数，对所述FastR-CNN模型进行参数优化，生成目标模型，当所述目标模型满足预设要求时，将所述目标模型作为所述预训练模型进行输出； 所述FastR-CNN模型的构建过程为： 根据堵塞检测需求，调整FastR-CNN基础模型的卷积层结构，选用基于ResNet-50的FasterR-CNN模型作为基础模型，调整卷积层结构，将ResNet-50的CONV5残差块改为五层结构，排列构成为conv5_1，relu5_1，conv5_2，relu5_2，conv5_3，relu5_3，conv5_4，relu5_4，pool5；并对每层卷积层的滤波器尺寸进行设置； 在所述FastR-CNN基础模型中增加池化层、区域提议网络以及分类层，生成所述FastR-CNN模型。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。