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！

龙图腾网获悉四川省林业科学研究院(四川省林产工业研究设计所)申请的专利基于图像分析的马尾松病害模型训练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：CN121458726B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610018122.6，技术领域涉及：G06T7/00；该发明授权基于图像分析的马尾松病害模型训练方法是由曾全;肖银波;满家银;杨远亮;贾玉珍;杨双昱;马伟虎;谢天资;何志强设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本基于图像分析的马尾松病害模型训练方法在说明书摘要公布了：本发明涉及图像分析技术领域，具体为基于图像分析的马尾松病害模型训练方法，包括以下步骤，采集多时序图像并以灰度与Sobel构建边界样本，外法向梯度增量经CNN获取梯度偏差并结合轮廓比较，差分序列与聚类识别突变点并标记形成标注集，依据标注与跃迁簇调节卷积核权重优化边界表征，迭代更新模型提升马尾松病害识别精度，增强时序稳定性并提高复杂场景下的鲁棒性，提升边缘细节恢复能力并增强检测一致性。本发明中，通过提取图像灰度并结合Sobel进行轮廓梯度运算，识别细微变化并融合时序信息捕捉病害发展，梯度响应与误差比较提升检测精度，差分聚类分析识别突变点并标记病害区域，优化模型减少边界偏差。

本发明授权基于图像分析的马尾松病害模型训练方法在权利要求书中公布了：1.基于图像分析的马尾松病害模型训练方法，其特征在于，包括以下步骤： S1：采集多时间点方马尾松树木图像并提取图像灰度，输入Sobel边缘算子计算梯度并分析外缘轮廓点集，计算灰度变化并与外缘轮廓点集组合，生成时序边界样本集； S2：基于所述时序边界样本集，计算法线方向梯度增量，输入卷积神经网络进行反向传播计算梯度响应序列，并与外缘轮廓点集对比，生成梯度偏差参数； 所述梯度偏差参数的获取步骤具体为： S201：基于所述时序边界样本集，获取每个边界点在法线方向的梯度变化量并与设定的法向阈值进行比较，根据比较结果进行梯度增量的计算，生成法线方向梯度增量集； S202：调用所述法线方向梯度增量集，输入卷积神经网络进行梯度传播训练，卷积神经网络基于增量集执行反向传播操作，通过多层卷积层逐步调整权重参数优化网络学习，生成梯度响应序列； S203：根据所述梯度响应序列，结合所述外缘轮廓点集进行误差比较，逐点计算响应序列与外缘轮廓点的差异，生成梯度偏差参数； 所述法向阈值通过计算多个边界点在法向方向的梯度增量，根据梯度增量的中位量确定； 所述计算梯度增量，采用公式： ； 其中，代表第个边界点的外法向方向梯度增量，代表第个边界点的法向梯度，代表第个边界点的法向角度，代表设定的法向阈值，代表平滑系数，代表第和第个边界点之间的距离，代表邻域点的数量，代表基准长度； S3：基于所述梯度响应序列对相邻梯度增量差分，识别梯度突变点并对突变点执行聚类分析以生成跃迁点簇，结合所述梯度偏差参数判断病害区是否一致并标记，生成训练标注集； S4：基于所述训练标注集，提取跃迁点簇中心与多标注点并分析空间距离，计算空间距离分布特征并调节卷积核权重，生成马尾松病害模型训练结果； S5：基于所述马尾松病害模型训练结果，计算病害边界识别偏差并依据偏差量识别不稳定梯度区，更新卷积核权重并重推所述时序边界样本集，生成优化后的马尾松病害模型训练结果。

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四川省林业科学研究院(四川省林产工业研究设计所)，其通讯地址为：610000 四川省成都市金牛区星辉西路18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。