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！

龙图腾网获悉大连大学申请的专利一种引入相对距离的大规模植物生长图像异常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：CN117011272B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310991685.X，技术领域涉及：G06T7/00；该发明授权一种引入相对距离的大规模植物生长图像异常检测方法是由胡玲艳;郭睿雅;许巍;汪祖民;陈鹏宇;张远鹏;郭占俊;李国强;孙浩;谷毛毛设计研发完成，并于2023-08-08向国家知识产权局提交的专利申请。

本一种引入相对距离的大规模植物生长图像异常检测方法在说明书摘要公布了：本发明公开了一种引入相对距离的大规模植物生长图像异常检测方法，对持续采集的大量相似图像进行监督学习与识别，自主提取异常的图像，通过引入相对距离的植物时序图像对比方法将预训练的ResNet和VAE融合。PDE提取植物的物候期，以此为先验知识建立具有距离层次的图像对，进而在暹罗网络中对比训练，使用分类距离度量对比损失，训练的Encoder可以有效提取植物图像语义信息。VAE编码器将输入数据转换为低维的潜在表示，从潜在空间中随机采样一个向量，解码器将该向量解码为重构数据，通过比较原始数据和重构数据之间的差异，判断是否存在异常。此种融合方法具有语义一致性，使得植物图像的潜在表示更加接近。同时，在异常检测中表现出更高的准确性和鲁棒性。

本发明授权一种引入相对距离的大规模植物生长图像异常检测方法在权利要求书中公布了：1.一种引入相对距离的大规模植物生长图像异常检测方法，其特征在于，包括： 获取植物生长的多张时序图像； 根据多张时序图像构建物候期图像对； 采用LCG-AD网络对物候期图像对进行初步特征提取，并获得训练后的LCG-AD网络； 通过训练后的LCG-AD网络进行异常图像序列的判断； 采用LCG-AD网络对物候期图像对进行初步特征提取，具体为： 将图像对中的图像x和图像y输入至LCG-AD网络特征提取部分进行预训练，然后进行图像增强处理得到图像v1和图像v2，将图像v1和图像v2送入编码器Encoder中提取特征，得到特征向量h1和特征向量h2；然后将特征向量h1和特征向量h2送入包含两层ReLU和两层BN层的小型神经网络投影头projectionhead内，得到特征向量z1和特征向量z2； 利用分类距离获取对比损失：将不同图像对的分类距离映射到一个全连接层上，利用分类距离来融合不同种类图像对的相对距离和特征向量实际距离，得到对比损失；具体实现方式为：将特征向量z1和特征向量z2相减得到的欧氏距离e直接输入到全连接层，然后得到o，即： 式中，是全连接层的权重矩阵，与是与label维度相同的特征向量； 通过交叉熵获取特征向量中的类别信息与图像对label种类中相对距离信息之间的误差，对于任意图像对有： 式中，代表标签；i、j=1、2、3、4； 多次训练LCG-AD网络，不断对损失进行反向传播，更新参数； 通过训练后的LCG-AD网络进行异常图像序列的判断，具体为： 将图像序列输入至训练后的LCG-AD网络中，通过编码器Encoder进行特征提取得到一维特征向量，接着将该一维特征向量输入至网络的异常判断模块；在异常判断模块中，首先会经过一个输入层，将一维特征向量传递给下一层得到向量m，所述向量m通过一个编码器Encoder生成低维向量，该编码器包括2层ReLU激活函数；所述编码器Encoder逐步将图像数据映射到潜在空间Latentspace后，捕捉图像的重要特征，得到隐变量；使用两个独立的全连接层，分别输出潜在空间中的均值向量μ和方差向量σ； 为了保证方差向量σ为正数，将编码器输出的原始值进行取指变换，并且这两个向量的维度与潜在空间的维度相同，公式如下所示： 其中，满足正态分布； 从编码器输出的均值和方差所表示的正态分布中采样一个潜在变量向量：通过从正态分布中采样一个随机噪声向量，然后通过线性变换和偏置加法将其转化为具有正确均值和方差的潜在变量； 将得到的潜在变量输入至解码器，所述解码器Decoder将其逆向转换为原始输入图像的重构向量m’；该解码器Decoder同样包括2层ReLU激活函数，从低维解压到高维；再经过一个输出层得到重构后的一维特征向量；异常判断模块通过损失反向传播，进行训练，检测出异常的图像，做上标记。

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大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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。