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！

龙图腾网恭喜安徽大学申请的专利一种融合图像高频信息的玉米叶片病害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：CN119671930B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411427034.9，技术领域涉及：G06T7/00；该发明授权一种融合图像高频信息的玉米叶片病害识别方法是由李海东;赵晋陵;汪慧;陈浩;赵龙;黄林生;陈鹏;阮超;黄文江;梁栋设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种融合图像高频信息的玉米叶片病害识别方法在说明书摘要公布了：本发明涉及一种融合图像高频信息的玉米叶片病害识别方法，与现有技术相比解决了深度模型在识别复杂背景下玉米叶病害图像上难以学习到高频细节信息特征的缺陷。本发明包括以下步骤：获取玉米叶片图像并进行预处理；构建玉米叶片病害识别模型；玉米叶片病害识别模型的训练；待识别玉米叶片图像的获取；玉米叶片图像识别结果的获得。本发明将图像高频信息融合到轻量级MobileNetV3‑Large网络中，提出了一种融合图像高频信息的玉米叶病害识别模型，该模型具有更好的拟合能力，提高了对复杂环境下玉米叶病害的识别性能。

本发明授权一种融合图像高频信息的玉米叶片病害识别方法在权利要求书中公布了：1.一种融合图像高频信息的玉米叶片病害识别方法，其特征在于，包括以下步骤：11获取玉米叶片图像并进行预处理：获取玉米叶片健康和病害图像，并进行裁剪、缩放预处理；12构建玉米叶片病害识别模型：以轻量级MobileNetV3-Large作为基础网络构建玉米叶片病害识别模型；所述构建玉米叶片病害识别模型包括以下步骤：121设定玉米叶片病害识别模型包括轻量级MobileNetV3-Large、高频滤波器和高频特征提取模块，其中，轻量级MobileNetV3-Large作为玉米叶片病害识别模型的基础网络；122设定轻量级MobileNetV3-Large分为三部分：第一部分由一个卷积层组成，通过3×3卷积提取特征并压缩维度；第二部分包含15个Invertedbottleneckblock，其中第1-3和7-12层采用3×3大小卷积核的深度可分离卷积，剩余Invertedbottleneckblock采用5×5大小卷积核的深度可分离卷积，提高模型性能的同时减少模型参数量；第三部分采用1×1的卷积层扩充特征通道数量，然后使用自适应平均池化层转化为特征向量，最后将其输入分类器以输出类别；第一部分为浅层卷积，第二部分为深层卷积，浅层卷积提取图像丰富的低频语义信息、深层卷积提取抽象信息；123在轻量级MobileNetV3-Large的第4、7和11个Invertedbottleneckblock后分别插入高频特征提取模块，用于获取高频特征信息并压缩图像尺寸大小；124设定高频滤波器采用高斯高通滤波方法，用于过滤丰富的低频信息而保留难以拟合的高频细节信息；125设定高频特征提取模块，由自适应平均池化、1×1点卷积、3×3卷积和1×1点卷积构成，卷积与卷积之间采用自适应ACON-C激活函数，用于对高频细节信息提取出纹理信息特征，同时，将不同空间大小的高频细节信息和MobileNetV3-Large提取的玉米叶病害特征连接起来；13玉米叶片病害识别模型的训练：将预处理后的玉米叶片图像输入玉米叶片病害识别模型进行训练；14待识别玉米叶片图像的获取：获取待识别玉米叶片图像并进行预处理；15玉米叶片图像识别结果的获得：将预处理后的待识别玉米叶片图像输入训练后的玉米叶片病害识别模型，得到玉米叶片病害识别结果。

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安徽大学，其通讯地址为：230039 安徽省合肥市经济技术开发区九龙路111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”。