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！

龙图腾网获悉海南大学三亚南繁研究院;海南大学三亚研究院;三亚海研光电科技有限公司申请的专利基于Faster-R-CNN改进的大豆考种系统及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：CN120451521B 。

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：202510950127.8，技术领域涉及：G06V10/25；该发明授权基于Faster-R-CNN改进的大豆考种系统及方法是由李海燕;周永刚;余乐俊;卢宇韦;陈周帅;裴双康设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于Faster-R-CNN改进的大豆考种系统及方法在说明书摘要公布了：本发明涉及大豆考种技术领域，尤其涉及一种基于Faster‑R‑CNN改进的大豆考种系统及方法，系统中以豆荚识别网络对自然形态成熟状态下的豆荚和茎进行准确识别，通过豆荚图像修复网络解决豆荚与豆荚之间相互遮挡的问题。通过优化网络结构显著提升了复杂场景下的表型识别效率与准确性；方法中采用结合Focal_Loss损失的识别损失函数，降低易分类样本的损失贡献，使模型更加关注难分类样本，进而有助于解决类别不平衡问题，提升模型的鲁棒性。

本发明授权基于Faster-R-CNN改进的大豆考种系统及方法在权利要求书中公布了：1.一种基于Faster-R-CNN改进的大豆考种系统，其特征在于，包括豆荚识别网络和豆荚图像修复网络；其中， 所述豆荚识别网络包括主干模块、颈部模块，以及检测模块；将豆荚图像输入所述主干模块中进行多次残差特征提取，得到多种尺度的残差特征；将多种尺度的残差特征输入所述颈部模块中进行多尺度金字塔的特征变换，得到多种尺度的变换特征；将多种尺度的变换特征输入所述检测模块中进行目标识别，得到所述豆荚图像中的茎图像，以及所述豆荚图像中每个豆荚的独立图像；在所述检测模块中，将多种尺度的变换特征进行整合，将整合后的特征进行RPN操作得到候选的豆荚目标和茎目标；将得到的豆荚目标和茎目标，结合整合后的特征进行ROI对齐，将对齐后的内容进行全连接操作后得到所述茎图像、所述豆荚独立图像以及各自的类别； 所述主干模块采用ResNet101结构，包括级联的浅层特征提取单元、第一残差单元、第二残差单元、第三残差单元和第四残差单元；在每个残差单元中，对输入特征进行多次残差操作；在每次残差操作中，对输入特征进行连续的多次卷积操作，将最后一次卷积操作得到的特征进行级联注意力操作；将所述级联注意力操作的输出特征与输入特征对应元素相加，得到当前残差操作的输出特征； 在所述级联注意力操作中，对输入特征先进行通道注意力操作，再对所述通道注意力操作的输出特征进行空间注意力操作，得到输出特征； 在所述通道注意力操作中，对输入特征并行完成空间方向的最大池化和平均池化，再对两种池化后的特征分别进行卷积操作完成特征提取；将提取到的两种特征对应元素相加后，对相加后的特征进行sigmoid激活操作，激活后的特征与输入特征对应元素相乘，得到通道特征； 在所述空间注意力操作中，对所述通道特征并行完成通道方向的最大池化和平均池化，将两种池化后的特征进行通道拼接后，将拼接后的特征依次进行卷积和sigmoid激活操作，激活后的特征与所述通道特征对应元素相乘，得到输出特征 所述豆荚图像修复网络对豆荚独立图像进行修复；所述豆荚图像修复网络包括判别器和生成器，所述生成器为U-Net结构；在所述判别器中，将所述生成器修复的豆荚独立图像与对应的真实豆荚独立图像，分别进行多次连续的卷积操作完成特征提取；将提取到的特征进行PatchGAN中图像分块的后续操作完成特征比较，并给出评价所述豆荚独立图像真实性的真实性评分，并利用所述真实性评分指导所述生成器完成所述豆荚独立图像的修复。

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海南大学三亚南繁研究院;海南大学三亚研究院;三亚海研光电科技有限公司，其通讯地址为：572024 海南省三亚市崖州区甘农大道三亚南繁种业众创中心；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”。