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！

龙图腾网获悉华南农业大学;汕尾市海洋产业研究院申请的专利一种基于FasterNet的植物叶片病害识别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：CN119295926B 。

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：202411337914.7，技术领域涉及：G06V20/10；该发明授权一种基于FasterNet的植物叶片病害识别方法是由刘昌余;王瀚升;黄国钢;王聪;黄献培;吴蔼民;吴春胤;郑晶晶;裴嘉薇;朱圳彬;姜美茜;李卿煜设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种基于FasterNet的植物叶片病害识别方法在说明书摘要公布了：本发明提供一种基于FasterNet的植物叶片病害识别方法，首先获取对应类别的原始植物叶片病害识别图像并按图像类别存放到对应类别的图像文件夹中；再使用Python遍历每一类别的图像文件夹内的原始植物叶片病害识别图像，按比例划分为训练原图像、验证原图像和测试原图像并进行预处理，得到植物叶片病害识别图像数据集；随后构建原始FasterNet模型并改进得到FasterNetImproved模型；得到FasterNetImproved模型需要迭代训练和验证的模型参数张量并初始化；接着对FasterNetImproved模型进行迭代训练和验证，得到最优模型参数张量ωFI并保存；对训练和验证完的FasterNetImproved模型进行测试。本发明旨在提高植物叶片病害识别的准确度并降低所依赖的目标框标注的时间成本。

本发明授权一种基于FasterNet的植物叶片病害识别方法在权利要求书中公布了：1.一种基于FasterNet的植物叶片病害识别方法，其特征在于，包括下述步骤： 确定目标植物的叶片病害识别的分类标签类型，构建植物叶片病害识别特征类别名称集，并基于植物叶片病害识别特征类别名称集构建植物叶片病害识别图像类别名称集，针对植物叶片病害识别图像类别名称集中的类别获取对应类别的原始植物叶片病害识别图像，得到原始植物叶片病害识别图像集； 建立对应图像类别的图像文件夹；将得到的原始植物叶片病害识别图像集中的图像按图像类别存放到对应类别的图像文件夹中，得到预处理前的植物叶片病害识别图像数据集； 在每一类别的图像文件夹中均同时再建立训练文件夹、验证文件夹和测试文件夹；使用Python遍历预处理前的植物叶片病害识别图像数据集中每一类别的图像文件夹内的原始植物叶片病害识别图像，按比例划分为训练原图像、验证原图像和测试原图像并存放至对应的文件夹；对所有训练文件夹，验证文件夹和测试文件夹中的图像进行预处理，得到植物叶片病害识别图像数据集； 构建原始FasterNet模型并对原始FasterNet模型进行改进得到FasterNetImproved模型，表示为：TPLb=FasterNetImprovedTInput,ωFI，其中TPLb为FasterNetImproved模型的预测标签张量，TInput为输入张量，ωFI为模型参数张量； 得到FasterNetImproved模型需要迭代训练和验证的模型参数张量；对FasterNetImproved模型进行初始化； 使用所有预处理后的训练图像及所有预处理后的验证图像对FasterNetImproved模型进行迭代训练和验证，得到最优模型参数张量ωFI并保存； 对训练和验证完的FasterNetImproved模型进行测试； 所述构建原始FasterNet模型并对原始FasterNet模型进行改进得到FasterNetImproved模型，具体为： 在原始FasterNet模型中的图像嵌入模块前增加三个不同参数的卷积层； 构建一个SE_Block挤压和激励块并对该SE_Block块的dim参数和reduction参数的值进行设置；在原始FasterNet模型的FasterNetBlock块后增加一个所构建并设置好参数值的SE_Block块得到改进的FasterNetBlock块； 在原始FasterNet模型的预测层后增加Sigmoid函数和舍入操作round，得到改进的预测层，最终得到FasterNetImproved模型； 所述三个不同参数的卷积层为conv1、conv2和conv3；将conv1、conv2和conv3的输出相加后输入原始FasterNet模型的图像嵌入模块，得到改进的图像嵌入模块的输出，表示为： Embed Improved TInput=EmbedOriginalconv1TInput+conv2TInput+conv3TInput， 其中，EmbedImproved表示改进的图像嵌入模块，EmbedOriginal表示原始FasterNet模型的图像嵌入模块； 所述改进的FasterNetBlock块表示为： FNB Improved TFInput=SE_BlockFNBOriginalTFInput， 其中，FNBImproved块为改进的FasterNetBlock块，TFInput为FasterNetBlock块的输入张量，SE_Block为挤压和激励块，FNBOriginal块为原始FasterNet模型中的FasterNetBlock块； 所述改进的预测层表示为： Prediction Improved TPInput=roundSigmoidPredictionOriginalTPInput， 其中，PredictionImproved表示改进的预测层，TPInput为预测层的输入张量，PredictionOriginal表示原始FasterNet模型的预测层；当round的输入张量的数值小于0.5时round输出0，当round的输入张量的数值不小于0.5时round输出1。

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华南农业大学;汕尾市海洋产业研究院，其通讯地址为：510642 广东省广州市天河区五山路483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。