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！

龙图腾网获悉长江大学申请的专利一种基于深度学习的大豆植株茎秆相关表型自动获取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：CN119516535B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411329697.7，技术领域涉及：G06V20/68；该发明授权一种基于深度学习的大豆植株茎秆相关表型自动获取方法是由黄岚;邱丽娟;王俊;陈佳骏;刘芝妤;周婉;詹炜;李杨;滕世锐设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种基于深度学习的大豆植株茎秆相关表型自动获取方法在说明书摘要公布了：本发明涉及一种基于深度学习的大豆植株茎秆相关表型自动获取方法，通过八个步骤，将深度学习和图像处理技术融合使用，针对成熟期大豆整株图像结合大豆植株形态学特征，通过深度学习训练目标检测模型识别茎节，训练语义分割模型提取茎秆区域，结合茎秆区域提取结果优化茎节检测结果，再结合图像二值化处理，设计多路径规划算法对重构的主茎和分枝分别实现茎节定位、排序、计数和茎节间距计算，用最大内切圆法获取主茎和分枝茎粗，实现针对成熟期大豆整株植株茎秆相关表型的自动获取，为育种人员提供海量表型数据。克服了现有人工和传感器检测法及图像处理法采集大豆整株植株表型数据的不足，具有客观、准确，自动、高效率获取表型数据的特点。

本发明授权一种基于深度学习的大豆植株茎秆相关表型自动获取方法在权利要求书中公布了：1.一种基于深度学习的大豆植株茎秆相关表型自动获取方法，硬件包括装有成熟期大豆植株的密闭黑盒，所述密闭黑盒呈立体型结构，其四周放置有标尺，黑盒上方放置有高清摄像机，背景色为黑色，有稳定光源，固定高度为1.5米； 其特征在于，该基于深度学习的大豆植株茎秆相关表型自动获取方法是通过包括如下步骤实现的： 步骤1、大豆植株图像采集和预处理；将获取成熟期大豆植株的图像传送到计算机上进行存储后，分别使用LabelImg和Labelme工具，对获取到的图像数据进行数据标签标注；并对图像作预处理，进行数据增强； 步骤2、构建茎节特征识别网络模型和茎秆提取网络模型；使用步骤1得到的训练数据集分别训练茎节特征识别网络模型和茎秆提取网络模型，达到具备识别大豆植株茎节，分割大豆植株茎秆的功能；获取茎秆分割图像； 步骤3、根据茎节检测和茎秆分割的结果，构建茎节自动过滤模块；将步骤2得到的茎秆分割图像，过滤错误识别的茎节检测框，提升茎节框的检测精度； 步骤4、根据茎节过滤和茎秆分割的结果，构建茎秆重构算法；将主茎与分枝重构转换为基于像素地图的寻径问题，设计以A*算法为基础的多路径规划算法来从大豆植株图像中重构大豆植株茎秆；包括将原始大豆植株图像转化为二值化图像，与茎秆提取网络分割得到的茎秆分割图像叠加，实现在语义分割断开的区域，A*算法以二值化区域成功规划路径；通过A*算法公式1，公式1中，表示从起点经过节点抵达终点的估计成本，表示从起点到节点的最优路径的实际成本，表示从节点到终点的最优路径的预估成本，选取所有待评估节点中最小的节点作为下一个扩展节点；以及通过多路径规划同时通过结合茎节特征识别网络得到的茎节检测框信息，对主茎和分枝分别进行识别，获得大豆植株的主茎和各个分枝； 步骤5、根据茎秆重构的结果，对茎节检测框进行定位，构建茎节计数方法；区分属于主茎和属于各个分枝的茎节检测框，分别计数，获得主茎茎节数和分枝茎节数表型； 步骤6、根据茎节检测框的定位结果，对茎节检测框进行排序，构建茎节间距计算方法；对主茎和分枝分别进行茎节间距计算；包括对属于同一分枝或者主茎的茎节检测框，通过欧式距离计算公式2，计算相邻茎节检测框中心点之间的欧式距离作为茎节间距； 在茎节检测框信息数组b中，各元素的组成为[x,y,w,h,n]，x,y,代表茎节检测框中心坐标的横坐标和纵坐标,w代表宽,h代表高,n代表所属的茎秆编号；n值相同的茎节检测框表示属于同一茎秆，均属于同一分枝或者均属于主茎；按照n值取值将茎节检测框信息分别存储于数组之中：b1，b2，…，bk+1分别记录主茎、第一分枝、第k分枝上的茎节检测框信息；依次将每个数组中的茎节检测框按其纵坐标y值升序排序；排序后，在数组中相邻的茎节检测框即为在实际茎秆中相邻的茎节；计算相邻茎节检测框中心点之间的欧式距离d1，d2，…，dj-1，得到一组茎节间距值分别存储在数组c1，c2，…，ck+1中，分别记录主茎、第一分枝、第k分枝上的茎节间距； 步骤7、根据茎节检测框的排序结果和茎秆区域提取的结果，构建茎粗计算方法；以前述语义分割网络提取到的茎秆区域和茎节识别与排序的结果为基础，设计最大内切圆法计算茎粗，适用于主茎茎粗和分枝茎粗的检测与计算； 步骤8、表型获取，将采集的图像输入茎节特征识别网络模型和茎秆提取网络模型，并对茎节特征识别网络模型和茎秆提取网络模型的输出进行数据处理；结合多茎秆路径规划算法、传统图像处理算法，获取大豆植株茎秆相关表型。

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长江大学，其通讯地址为：434020 湖北省荆州市荆州区南环路1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。