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！

龙图腾网获悉浙江省农业科学院;长兴县水产与农机中心申请的专利一种基于多模态机器学习融合的西兰花黑斑病早期诊断系统及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：CN121276005B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511841671.5，技术领域涉及：G01N33/02；该发明授权一种基于多模态机器学习融合的西兰花黑斑病早期诊断系统及方法是由孙大伟;房伟平;叶宏宝;周成全;李陈;于光辉设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本一种基于多模态机器学习融合的西兰花黑斑病早期诊断系统及方法在说明书摘要公布了：本发明涉及智慧农业及植物保护技术领域，并具体公开了一种基于多模态机器学习融合的西兰花黑斑病早期诊断系统及方法，包括：便携式采集平台，该便携式采集平台集成有高光谱成像相机、叶绿素荧光成像仪、暗适应叶夹，以及用于样本条码识别的摄像头，平台具备可调节高度的支架和可控光源，保证数据采集条件一致性；移动实验终端，该移动实验终端内置理化指标快速检测模块，包括用于现场核酸快速提取与扩增的便携式PCR仪和用于色素含量快速测定的微型紫外分光光度计。该基于多模态机器学习融合的西兰花黑斑病早期诊断系统及方法，系统高度集成、便携化、自动化，适用于田间环境，为非专家用户提供了高效的病害诊断工具。

本发明授权一种基于多模态机器学习融合的西兰花黑斑病早期诊断系统及方法在权利要求书中公布了：1.一种基于多模态机器学习融合的西兰花黑斑病早期诊断方法，其特征在于，包括如下步骤： S1、多模态数据采集与预处理，包括采集高光谱图像、采集叶绿素荧光图像、检测理化指标、检测色素含量和代谢物含量； S2、特征提取与数据集构建，包括提取高光谱特征、提取荧光特征和理化特征，将所有提取的特征进行标准化处理后，按样本ID对齐，构建多模态特征数据集； S3、多模态数据融合与诊断模型构建，采用两级模型策略进行构建； 模型一：多核支持向量机融合模型，采用基于梯度下降权值优化的多核学习框架，以高斯径向基核函数和多项式核函数作为基核，模型输入与构建过程如下： 输入特征向量构建： 对于一个给定的样本i，将其从不同模态中提取出的特征向量进行拼接，形成一个统一的、高维的多模态特征向量，假设从第i个样本中提取了h个高光谱特征、f个荧光特征、p个理化特征，则将该样本的所有特征拼接成一个统一的多模态特征向量，用公式表示为： ； 其中，为样本i的统一多模态特征向量，为样本i的高光谱特征子向量，为样本i的叶绿素荧光特征子向量，为样本i的理化特征子向量，为向量拼接运算，将所有样本的特征向量组成输入矩阵X，对应的标签向量y； 模型二：基于深度卷积神经网络的特征级融合模型，构建过程如下： 采用中阶特征融合层； 输入层：分别接收高光谱特征向量和荧光特征向量，输入层包含2个分支，分支一：输入形状为p,的向量，经过2层1D卷积、批归一化和ReLU激活，提取高阶光谱特征，分支二：输入形状为q,的向量，经过类似结构处理，提取高阶荧光特征； 特征融合层：将两个分支输出的高阶特征张量进行扁平化处理，将这两个扁平化的张量与经过标准化处理的原始理化特征向量进行拼接； S4、模型验证与诊断应用，采用决定系数和均方根误差评价回归模型精度，采用准确率、精确率、召回率和F1分数评价分类模型精度，将训练好的模型部署于诊断系统中，对新的未知样本进行快速诊断，输出病害状态、严重程度及可信度。

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浙江省农业科学院;长兴县水产与农机中心，其通讯地址为：310000 浙江省杭州市上城区石桥路198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。