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！

龙图腾网获悉中国农业科学院农业信息研究所申请的专利一种作物图像的自动标注方法及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：CN119625394B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411688063.0，技术领域涉及：G06V10/764；该发明授权一种作物图像的自动标注方法及装置是由李娴;闫哲;贺湘楠;杨晨雪设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种作物图像的自动标注方法及装置在说明书摘要公布了：本发明提供了一种作物图像的自动标注方法及装置，涉及深度学习技术领域。该方法包括：获取作物图像的训练集、测试集和验证集；基于训练集按照神经网络模型从高层到低层的解冻顺序，在第i轮训练中冻结第j组网络层之前的每个网络层的参数训练，训练第j组网络层中的参数并调整第j组网络层之后的网络层的参数；在第j组网络层以及之后的网络层的参数训练完成之后开始训练第j‑1组网络层的参数并调整第j‑1组网络层之后的网络层的参数；在第i轮的所有网络层的参数训练完后，若基于测试集和验证集验证的模型性能指标均满足预设条件，则基于训练后的神经网络模型对待标注集中的每个作物图像进行标注。基于该方案，可以提高作物图像自动标注的准确性。

本发明授权一种作物图像的自动标注方法及装置在权利要求书中公布了：1.一种作物图像的自动标注方法，其特征在于，所述方法包括： 获取作物图像的训练集、测试集和验证集；所述训练集和所述测试集包括人工标注各个作物在作物图像中的位置信息和各个作物的标签信息，所述标签信息包括作物类型和作物生命阶段； 基于所述训练集按照神经网络模型从高层到低层的解冻顺序，在第i轮训练中，冻结第j组网络层之前的每个网络层的参数训练，训练所述第j组网络层中的参数，并调整所述第j组网络层之后的网络层的参数；所述第j组网络层包括所述神经网络模型中除输入层和输出层之外的网络层中至少一层网络层，i和j均为大于或等于1的整数； 在所述第j组网络层以及之后的网络层的参数训练完成之后，开始训练第j‑1组网络层的参数，并调整所述第j‑1组网络层之后的网络层的参数； 在所述第i轮的所有网络层的参数训练完后，基于学习到的各个作物的特征、所述各个作物的特征的权重值、所述测试集和验证集，验证自动标注作物图像的模型性能指标； 若基于所述测试集和所述验证集验证的模型性能指标均满足预设条件，则基于训练后的所述神经网络模型对待标注集中的每个作物图像进行标注； 将标注过程中产生的目标图像，添加至在线自学习增量样本集合中；将人工重新标注的所述在线自学习增量样本集合中的图像和人工标注信息添加至所述训练集中，启动在线增量训练，在线调整所述神经网络模型的各层参数权重值；基于调整后的所述神经网络模型的各层参数权重值，对所述待标注集中剩余的图像继续进行标注；其中，所述自学习增量样本包括：自动标注过程中产生的标注失败样本和标注成功且置信度低于第一置信度阈值的作物图像； 在标注过程中，将标注结果中置信度大于第二置信度的作物图像添加至历史训练集合中，并基于添加后的训练集合重新训练，调整所述神经网络模型的各层参数权重值； 在新增训练数据集的情况下，若新增训练数据集中的标签信息指示作物类型为已训练的第二作物类型中未训练的目标子类型，则基于所述新增训练数据集的第一数据量，按照预设比例提取第二数据量的所述第二作物类型中已训练的子类型对应的历史训练数据；混合所述新增训练数据集和提取的历史训练数据为更新后的训练数据集；基于所述更新后的训练数据集和所述神经网络模型的各层参数权重值，重新训练获取所述目标子类型的作物特征和所述神经网络模型的各层参数权重值。

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中国农业科学院农业信息研究所，其通讯地址为：100081 北京市海淀区中关村南大街12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”。