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！

龙图腾网获悉云南大学申请的专利一种基于YOLOv7的三七伤臭区域检测和等级评定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：CN116797925B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310654052.X，技术领域涉及：G06V20/10；该发明授权一种基于YOLOv7的三七伤臭区域检测和等级评定方法是由袁国宏;陈祥;顾明;左德昊;吴鑫然;段亮;岳昆设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种基于YOLOv7的三七伤臭区域检测和等级评定方法在说明书摘要公布了：本发明公开了一种基于的三七伤臭区域检测和等级评定方法，包括：通过优化三七图像真实框聚类中心的选择过程，生成尺寸跨度大的三七图像先验框，解决三七图像中伤臭小区域特征提取不充分的问题；改进的特征融合模块，对并行池化操作遗漏的特征信息进行充分融合，从而获得更加丰富的三七深层特征；引入协同注意力机制，抑制背景噪声对三七伤臭小区域特征提取的干扰，并在三七图像预测框回归损失函数中引入角度成本，通过固定回归方向提高定位精度，解决三七伤臭小区域的漏检误检问题。本发明提出的方法能有效提升模型对三七图像中伤臭区域检测的精度，且能根据检测结果评定三七等级，为三七的高效筛选提供依据。

本发明授权一种基于YOLOv7的三七伤臭区域检测和等级评定方法在权利要求书中公布了：1.一种基于YOLOv7的三七伤臭区域检测和等级评定方法，其特征在于，包括以下步骤： S1：三七图像数据预处理，通过采集三七根茎图像来构建三七图像数据集，并使用拉普拉斯方差算法对其中模糊及质量差的图像进行过滤，对过滤后的三七图像数据集进行标注和划分，最后对数据集中的图像进行缩放、归一化和数据增强处理； S2：三七伤臭区域检测模型构建，构建基于YOLOv7的三七伤臭区域检测模型，先使用三七特征提取网络对输入的三七图像进行多尺度特征提取和处理，然后通过改进的特征融合模块获得更加丰富的三七深层特征，并在特征重提取模块中引入协同注意力机制，抑制背景噪声的干扰，最后经过三七检测网络处理输出预测结果，具体包括下列三个分步骤； S2.1：三七特征提取网络搭建 三七特征提取网络由多个CBS模块、ELAN模块和MP模块堆叠而成，用于提取三七浅层特征，其中，CBS模块由卷积层、批量归一化层和SiLU激活函数组成；ELAN模块由CBS模块和残差连接堆叠而成；MP模块分别使用大小为2、步长为2的最大池化层和步长为2的的卷积层，对经过ELAN模块处理的特征图进行下采样，然后使用两个卷积层分别进行降维处理，最后使用Concat模块将经过降维处理后的两个特征图相加，得到三七浅层特征图，为经过相应CBS卷积层、ELAN模块和MP模块提取到的三七浅层特征图，表示特征图的大小，为特征图的通道数，是大小固定为640×640的输入三七图像的特征图，通道数为3； S2.2：三七特征融合网络搭建 S2.2.1：SPPFCSPC模块搭建 YOLOv7模型的空间金字塔池化模块用于对从步骤S2.1中提取到的三七浅层特征进行融合增强得到三七深层特征，在对三七浅层特征进行处理时，将原有大小分别为5、9和13的并行最大池化改进为3个大小为5的串联最大池化，不仅能达到和SPPCSPC模块相同的融合效果，还能在保持感受野不变的情况下减少计算量，从而提升模型的检测效率； SPPFCSPC模块包括7个CBS模块、3个大小为5的最大池化模块和两个Concat模块，其三七特征融合过程具体为：首先，使用3个CBS模块对步骤2.1输出的三七浅层特征图进行降维处理，得到特征图；然后，将输入到卷积核大小为5、步长为1的3个串联的最大池化层中处理得到三七特征图；接着将和使用Concat模块进行拼接，再使用2个的CBS模块对拼接后的三七特征图进行卷积，得到特征图，最后，将和原输入的特征图使用Concat模块进行拼接，再经过1个的CBS模块得到三七深层特征图； S2.2.2：PANet模块搭建 三七伤臭区域检测模型的路径聚合网络将从步骤S2.1中提取到的三七浅层特征、以及经过步骤S2.2.1融合的三七深层特征进行重提取与深度融合，YOLOv7的特征重提取模块ELAN-H，通过密集的残差堆叠实现三七特征的提取与融合，在ELAN-H的第二层残差堆叠中引入协同注意力机制，得到的特征重提取模块ELAN-CA不仅能增强对三七深层特征中伤臭小区域特征的提取和融合，还能抑制背景噪声对伤臭小区域检测的干扰，降低三七伤臭小区域的漏检率和误检率； 构建三七伤臭区域检测模型的特征重提取模块ELAN-CA，将待处理的特征图记为，其中，、H和W分别表示三七特征图的通道数、高和宽，其特征重提取过程具体为： 首先，对于输入的三七特征图，CA将全局最大池化分解为一对一维特征编码操作，用尺寸为和的卷积核分别沿着水平和垂直坐标方向对每个通道进行编码，因此高度为的第个通道的输出、宽度为的第个通道的输出，分别如式2-1和式2-2所示： 2-1 2-2 表示三七特征图中坐标处的像素值，和能充分利用捕捉到的三七深层特征中伤臭区域特征的位置信息，抑制背景噪声干扰、精确定位三七图像中的伤臭小区域，也能有效地捕捉通道之间的关系； 然后，将这两个包含丰富伤臭区域信息的三七特征图进行级联和卷积变换，如式2-3所示： 2-3 其中，表示ReLU函数；生成的是在水平方向和垂直方向对三七特征图的空间信息进行编码的中间特征图，表示下采样比例且、用来控制模块的大小； 接着，沿空间维度将切分为两个单独的三七特征向量和，再利用两个卷积变换和将三七特征向量和变换到和输入同样的通道数，得到如式2-4和式2-5的结果： 2-4 2-5 其中，表示sigmoid函数； 最后，将和作为注意力的权重和输入的三七特征图相乘，得到三七特征图在某一像素处的输出，计算公式如2-6所示： 2-6 S2.3：三七检测网络搭建 三七检测网络使用YOLO_Head模块对经过三七特征融合网络提取与融合的三七特征进行处理，最终输出包含三七臭、伤和正常区域预测框信息的特征图； YOLO_Head模块以步骤S2.2中的作为输入，经过相应CBS卷积层和RepConv，得到输出，其中，RepConv使用了结构化模型重参数化的思想，将三七伤臭区域检测模型训练和预测的网络结构分离，在训练阶段，RepConv的网络结构由两个Conv层和三个BN操作组成，从而获得更高的检测精度；而在检测阶段，RepConv的网络结构由一个Conv和一个BN操作组成，与训练时的网络结构等价且在检测精度不变的前提下提高了三七伤臭区域检测模型的检测效率； 为所输出三七图像的三个不同尺度的特征图，大小可表示为其中，表示与三七图像数据集中标注的5个数据值对应的预测值的集合，表示预测框中包含目标的置信度，和表示三七图像预测框的中心点坐标，和分别表示三七图像预测框的宽和高，表示中标注的臭、伤和正常三类目标对象预测值的集合，表示每个三七特征点上初始先验框的数量，的长、宽，表示输入640×640的三七图像经过下采样8倍得到的特征图，共有80×80=6400个特征点，每个特征点相对于原三七图像感受野最小，用以检测三七图像中较小的区域；的长、宽，表示输入640×640的三七图像经过下采样16倍得到的特征图，共有1600个特征点，每个特征点相对于原三七图像感受野适中，用以检测三七图像中中等大小的区域；的长、宽，表示输入640×640的三七图像经过下采样32倍得到的特征图，共有400个特征点，每个特征点相对于原三七图像感受野最大，用以检测三七图像中较大的区域； S3：三七伤臭区域检测模型训练，将步骤S1中构建的三七图像训练集和验证集输入步骤S2中的模型，计算损失函数并进行反向传播，迭代更新模型的权重； S4：三七伤臭区域检测和等级评定，将三七图像测试集输入到步骤S3中训练好的模型、检测三七伤臭区域，并根据检测结果对三七进行等级评定。

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云南大学，其通讯地址为：650000 云南省昆明市翠湖北路2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”。

以上内容由龙图腾AI智能生成。