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！

龙图腾网恭喜淮阴工学院;江苏省农业科学院申请的专利一种基于MS-PLNet模型绿豆叶斑病识别方法及装置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：CN114972264B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202210598574.8，技术领域涉及：G06T7/00；该发明授权一种基于MS-PLNet模型绿豆叶斑病识别方法及装置是由高尚兵;余骥远;李洁;唐琪;陈新;缪奕可;曹鹏;袁星星;杨瑞杰;陈浩霖;任珂;张海艳;刘步实;李杰设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种基于MS-PLNet模型绿豆叶斑病识别方法及装置在说明书摘要公布了：本发明提供了一种基于MS‑PLNet模型绿豆叶斑病识别方法及装置，包括以下步骤：1获取用于训练、验证和测试的绿豆叶片数据集，并且对数据集进行图像预处理；2构建用于绿豆叶斑病识别的MS‑PLNet网络模型，模型中的骨干网络使用普通卷积和改进的深度可分离卷积进行搭建，并在搭建过程中进行通道数先增加再减少最后再增加的三阶段策略，减小网络参数；在特征融合阶段使用通道注意力机制，根据通道的重要程度，关注重要通道，抑制冗余通道；3使用搭建的模型进行训练，获得用于绿豆叶斑病检测的分类器。本发明可用于绿豆叶斑病和其他农作物叶斑病的检测，识别率高，且具有较好的鲁棒性与广泛的应用价值。

本发明授权一种基于MS-PLNet模型绿豆叶斑病识别方法及装置在权利要求书中公布了：1.一种基于MS-PLNet模型绿豆叶斑病识别方法，其特征在于，包括以下步骤：1对预先获取包含多种病害种类的植物叶部病害图像进行预处理，并划分为训练集、验证集和测试集；2构建MS-PLNet叶斑病识别网络；所述MS-PLNet叶斑病识别网络包括三个特征提取模块、特征融合模块和分类器；三个特征提取模块使用普通卷积和改进的深度可分离卷积搭建，在搭建过程中第一个特征提取模块增加通道数，第二个特征提取模块减少通道数，第三个特征提取模块增加通道数；将三个尺度的特征提取模块得到的特征图输入到采用通道注意力机制的特征融合模块；将经过特征融合输出的特征图输入分类器得到分类结果；具体实现过程如下：21图像输入阶段对输入的3通道图像resize为128×128像素，标记为IM0；第一个特征提取模块输入UnSample反卷积操作后的256×256像素图像，标记为IM1；第二个特征提取模块输入128×128像素图像，标记为IM2；第三个特征提取模块输入MaxPool2d最大池化操作后的64×64像素图像，标记为IM3；22第一个尺度的特征提取模块中将IM1作为多卷积网络的输入进行卷积核为4×4的计算获得C11，将C11进行卷积核为1×1的点卷积增加通道数和7×7的深度卷积计算获得C12，将C12进行相同的卷积计算获得C13，将C13再进行相同的卷积计算获得C14，将C14进行卷积核为1×1的点卷积减少通道数和7×7的深度卷积计算获得C15，将C15进行卷积核为1×1的点卷积增加通道数和7×7的深度卷积计算获得C16，将C16进行相同的卷积计算获得C17；第二个尺度的特征提取模块中将IM2作为多卷积网络的输入进行卷积核为4×4的计算获得C21，将C21进行卷积核为1×1的点卷积增加通道数和5×5的深度卷积计算获得C22，将C22进行相同的卷积计算获得C23，将C23再进行相同的卷积计算获得C24，将C24进行卷积核为1×1的点卷积减少通道数和7×7的深度卷积计算获得C25，将C25进行卷积核为1×1的点卷积增加通道数和7×7的深度卷积计算获得C26，将C26进行相同的卷积计算获得C27；第三个尺度的特征提取模块中将IM3作为多卷积网络的输入进行卷积核为4×4的计算获得C31，将C31进行卷积核为1×1的点卷积增加通道数和3×3的深度卷积计算获得C32，将C32进行相同的卷积计算获得C33，将C33再进行相同的卷积计算获得C34，将C34进行卷积核为1×1的点卷积减少通道数和3×3的深度卷积计算获得C35，将C35进行卷积核为1×1的点卷积增加通道数和3×3的深度卷积计算获得C36，将C36进行相同的卷积计算获得C37；23将通过三个尺度的特征提取模块获得的特征图C17、C27和C37通过concatenate操作进行特征融合获得R1，将R1通过通道注意力机制重新调整各特征通道所占权重，将高维度的特征进行合理的重组获得R2；24将R2输入到平均池化层、全连接层和Softmax激活函数，输出分类结果；3训练MS-PLNet叶斑病识别网络，将经过预处理后的训练集通过搭建好的MS-PLNet叶斑病识别网络，对得到的预测结果与真实标签进行对比计算分类损失，通过动量梯度下降算法更新模型参数，获得用于叶斑病识别的MS-PLNet模型；4绿豆叶斑病识别，将验证集中的图像输入到步骤3训练好的MS-PLNet模型中评估模型的性能，将测试集中的图像输入到训练好的模型中通过前向传播得到该图像的叶片病害类型。

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淮阴工学院;江苏省农业科学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘东路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”。