Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国科学院合肥物质科学研究院胡晓波获国家专利权

恭喜中国科学院合肥物质科学研究院胡晓波获国家专利权

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!

龙图腾网恭喜中国科学院合肥物质科学研究院申请的专利基于病灶定位与特征迭代细化技术的病害图像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:CN114972320B

龙图腾网通过国家知识产权局官网在2025-05-06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:202210719799.4,技术领域涉及:G06T7/00;该发明授权基于病灶定位与特征迭代细化技术的病害图像识别方法是由胡晓波;王儒敬;黄伟;张俊卿;刘宜;陈翔宇;宿宁设计研发完成,并于2022-06-23向国家知识产权局提交的专利申请。

基于病灶定位与特征迭代细化技术的病害图像识别方法在说明书摘要公布了:本发明涉及基于病灶定位与特征迭代细化技术的病害图像识别方法,与现有技术相比解决了在复杂背景下无法有效地提取相似病害间微小的病灶差异特征导致病害识别精度低的缺陷。本发明包括以下步骤:病害数据集的建立;病害识别网络的构建;病害识别网络的训练;待识别病害图像的获取;病害图像识别结果的获得。本发明通过无监督的病灶定位技术有效地去除背景特征对识别结果的影响,特征迭代细化技术放大相似病害间的差异,利于模型学习到不同病害间的差异特征,从而极大地提高了复杂田间环境下相似病害的识别精度,实现田间环境下的作物病害识别。

本发明授权基于病灶定位与特征迭代细化技术的病害图像识别方法在权利要求书中公布了:1.一种基于病灶定位与特征迭代细化技术的病害图像识别方法,其特征在于,包括以下步骤:11病害数据集的建立:获取带有人工标记的农作物病害图像,选择同一类作物图像构建病害数据集,并进行预处理;12病害识别网络的构建:设定病害识别网络包括骨干网络、类别响应图生成模块、主病灶定位识别模块、病灶细节建议模块,病害识别网络的输入为预处理后的病害数据集中原始图片,输出为该类别对应的类别分数;所述骨干网络用于提取原始图片、主病灶区域图像和病灶细节图的特征,类别响应图生成模块用于生成类别响应图,主病灶定位识别模块利用原始图片的类别响应图实现对主病灶区域在原图中的定位,病灶细节建议模块利用主病灶区域的类别响应图和区域建议方法定位主病灶区域图像中的病灶细节;13病害识别网络的训练:将预处理后的病害数据集输入病害识别网络,进行病害识别网络的训练;所述病害识别网络的训练包括以下步骤:131将预处理后的病害数据集中原始图片输入骨干网络,骨干网络最后一个卷积层输出的特征图输入其平均池化层、全连接层和softmax层计算各类别概率yraw;同时将该特征图输入类别响应图生成模块计算出原始图片类别响应图132将原始图片类别响应图输入主病灶定位识别模块,计算主病灶位置参数;133在原图上对最大连通区域进行裁剪,并放大到输入图片尺寸,得到主病灶区域图像;134将主病灶区域图像输入骨干网络得到主病灶区域图像的特征图,并将其主病灶区域图像的特征图输入类别响应图生成模块得到主病灶区域图像的类别响应图,主病灶区域图像的特征图输入对应的平均池化层、全连接层得到各类别分数向量zmain;再传入softmax层计算各类别概率ymain;该主病灶区域图像的特征图输入类别响应图生成模块输出主病灶区域图像的类别响应图135将主病灶区域图像的类别响应图输入病灶细节建议模块,计算出Top5病灶细节位置参数,作为病灶细节信息;136在主病灶区域图像上裁剪出病灶细节信息并进行放大处理,得到病灶细节图;137将病灶细节图输入骨干网络提取病灶细节特征,产生病灶细节特征图,病灶细节特征图输入对应的平均池化层、全连接层得到各类别分数向量zdetails,再传入softmax层计算各类别概率ydetails;138通过知识蒸馏将病灶细节建议模块学习到的病害细节信息传播到主病灶定位识别模块;对于指定类别c计算: 其中,T是一个温度参数,为主病灶区域图像对应类别c分数,为主病灶区域图像对应类别c的软概率,Nc为类别数量;通过如下的损失函数,将病害细节信息传播到主病灶定位识别模块; 其中,Lsoftysoft,ydetails定义为软交叉熵损失函数,为主病灶区域图像对应类别k的软概率,为病灶细节图对应类别k的概率;139对于指定图像I,通过交叉熵损失函数Lcls和64中的Lsoft组合Ltotal优化模型: 其中,λ是一个超参数,用于平衡两个损失的权重;1310重复上述过程,直至Ltotal不再变化,模型收敛,训练结束;14待识别病害图像的获取:获取待识别的病害图像并进行预处理;15病害图像识别结果的获得:将预处理后的待识别病害图像输入训练后的病害识别网络,得到病害图像识别结果。

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中国科学院合肥物质科学研究院,其通讯地址为:230031 安徽省合肥市蜀山区蜀山湖路350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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。