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！

龙图腾网获悉长春师范大学申请的专利基于多模态无监督学习的蓝莓智能病害检测方法及系统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：CN120451968B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510953521.7，技术领域涉及：G06V20/68；该发明授权基于多模态无监督学习的蓝莓智能病害检测方法及系统是由别梅;宋凯;李福森;时东方;郑梅竹设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于多模态无监督学习的蓝莓智能病害检测方法及系统在说明书摘要公布了：本发明适用于农业智能化技术领域，提供了一种基于多模态无监督学习的蓝莓智能病害检测方法及系统，该方法包括以下步骤：基于自适应对比深度聚类框架，对预处理后的多模态数据进行特征提取和聚类，得到多模态初步特征和初步聚类结果；基于多模态互补特征融合机制，根据多模态初步特征和初步聚类结果，自适应加权融合多模态初步特征，得到多模态融合特征；对多模态融合特征进行无监督聚类优化和病害类型识别，得到无监督学习模型；将无监督学习模型进行部署与增量学习，对蓝莓病害进行检测。本发明通过无监督学习算法实现对蓝莓病害的早期精准检测，为蓝莓智能化精准管理提供了新范式，有效提升病害防控效率和产业经济效益。

本发明授权基于多模态无监督学习的蓝莓智能病害检测方法及系统在权利要求书中公布了：1.一种基于多模态无监督学习的蓝莓智能病害检测方法，其特征在于，包括以下步骤： 采集蓝莓样本的多模态数据；所述多模态数据包括RGB数据、高光谱数据和热红外数据； 将多模态数据进行预处理，得到预处理后的多模态数据； 基于自适应对比深度聚类框架，对预处理后的多模态数据进行特征提取和聚类，得到多模态初步特征和初步聚类结果； 基于多模态互补特征融合机制，根据多模态初步特征和初步聚类结果，自适应加权融合多模态初步特征，得到多模态融合特征； 对多模态融合特征进行无监督聚类优化和病害类型识别，得到无监督学习模型； 将无监督学习模型进行部署与增量学习，对蓝莓病害进行检测；所述蓝莓病害为叶斑病； 基于自适应对比深度聚类框架，对预处理后的多模态数据进行特征提取和聚类，得到多模态初步特征和初步聚类结果的步骤，具体包括： 构建自监督语义编码器提取初始特征表示；编码器基于VisionTransformer架构，引入局部-全局注意力机制增强特征提取能力； 设计四类图像增强变换生成多视图样本，构建局部-全局对比损失函数与原型感知对比学习模块；所述四类图像增强变换包括随机裁剪和水平翻转、颜色抖动、仿射变换、高斯模糊和随机擦除； 通过类内距离和类间距离计算病害复杂度评分，同时设计动态温度调整机制优化对比学习效果，根据训练进度和特征分布自适应调整温度参数，以动态调整聚类数量和原型分布； 基于多模态互补特征融合机制，根据多模态初步特征和初步聚类结果，自适应加权融合多模态初步特征，得到多模态融合特征的步骤，具体包括： 对多模态初步特征进行模态内特征增强，得到各模态的多尺度特征图；其中，所述多模态初步特征包括RGB模态、高光谱模态和热红外模态； 对各模态的多尺度特征图应用通道重标定操作，强化判别性特征通道，抑制冗余通道；接着执行跨模态特征互补，构建模态间自注意力机制； 通过自适应特征重组，实现跨尺度特征整合；具体的，先计算特征不确定性图；接着基于不确定性图自适应融合多尺度特征；然后通过注意力加权求和计算多模态融合特征； 对多模态融合特征进行无监督聚类优化和病害类型识别，得到无监督学习模型的步骤，具体包括： 使用谱聚类算法对多模态融合特征进行聚类，将该聚类结果与初步聚类结果进行集成优化，通过匈牙利算法对齐两次聚类，计算一致性分数； 通过最大化一致性分数优化匹配，得到最终聚类标签；采用聚类再评估策略进一步提高质量，通过计算样本到聚类中心的马氏距离，识别异常分配； 聚类完成后，对每个最终聚类标签提取显著特征用于病害特征库构建；具体的，计算显著特征的重要性得分；基于重要性得分，提取前若干个最显著特征构建病害特征库，同时分析这些特征与常见病害症状的对应关系，构建专家知识库，得到症状-特征映射；基于症状-特征映射与聚类特征的相似度，为每个聚类自动生成病害类型描述，同时设计基于密度的异常检测算法识别潜在未知病害，计算局部离群因子。

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长春师范大学，其通讯地址为：130032 吉林省长春市长吉北线677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”。