国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜中國科學院合肥物質科學研究院胡曉波獲國家專利權

恭喜中國科學院合肥物質科學研究院胡曉波獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜中國科學院合肥物質科學研究院申請的專利基于病灶定位與特征迭代細化技術的病害圖像識別方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN114972320B

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202210719799.4,技術領域涉及:G06T7/00;該發明授權基于病灶定位與特征迭代細化技術的病害圖像識別方法是由胡曉波;王儒敬;黃偉;張俊卿;劉宜;陳翔宇;宿寧設計研發完成,并于2022-06-23向國家知識產權局提交的專利申請。

基于病灶定位與特征迭代細化技術的病害圖像識別方法在說明書摘要公布了:本發明涉及基于病灶定位與特征迭代細化技術的病害圖像識別方法,與現有技術相比解決了在復雜背景下無法有效地提取相似病害間微小的病灶差異特征導致病害識別精度低的缺陷。本發明包括以下步驟:病害數據集的建立;病害識別網絡的構建;病害識別網絡的訓練;待識別病害圖像的獲取;病害圖像識別結果的獲得。本發明通過無監督的病灶定位技術有效地去除背景特征對識別結果的影響,特征迭代細化技術放大相似病害間的差異,利于模型學習到不同病害間的差異特征,從而極大地提高了復雜田間環境下相似病害的識別精度,實現田間環境下的作物病害識別。

本發明授權基于病灶定位與特征迭代細化技術的病害圖像識別方法在權利要求書中公布了:1.一種基于病灶定位與特征迭代細化技術的病害圖像識別方法,其特征在于,包括以下步驟:11病害數據集的建立:獲取帶有人工標記的農作物病害圖像,選擇同一類作物圖像構建病害數據集,并進行預處理;12病害識別網絡的構建:設定病害識別網絡包括骨干網絡、類別響應圖生成模塊、主病灶定位識別模塊、病灶細節建議模塊,病害識別網絡的輸入為預處理后的病害數據集中原始圖片,輸出為該類別對應的類別分數;所述骨干網絡用于提取原始圖片、主病灶區域圖像和病灶細節圖的特征,類別響應圖生成模塊用于生成類別響應圖,主病灶定位識別模塊利用原始圖片的類別響應圖實現對主病灶區域在原圖中的定位,病灶細節建議模塊利用主病灶區域的類別響應圖和區域建議方法定位主病灶區域圖像中的病灶細節;13病害識別網絡的訓練:將預處理后的病害數據集輸入病害識別網絡,進行病害識別網絡的訓練;所述病害識別網絡的訓練包括以下步驟:131將預處理后的病害數據集中原始圖片輸入骨干網絡,骨干網絡最后一個卷積層輸出的特征圖輸入其平均池化層、全連接層和softmax層計算各類別概率yraw;同時將該特征圖輸入類別響應圖生成模塊計算出原始圖片類別響應圖132將原始圖片類別響應圖輸入主病灶定位識別模塊,計算主病灶位置參數;133在原圖上對最大連通區域進行裁剪,并放大到輸入圖片尺寸,得到主病灶區域圖像;134將主病灶區域圖像輸入骨干網絡得到主病灶區域圖像的特征圖,并將其主病灶區域圖像的特征圖輸入類別響應圖生成模塊得到主病灶區域圖像的類別響應圖,主病灶區域圖像的特征圖輸入對應的平均池化層、全連接層得到各類別分數向量zmain;再傳入softmax層計算各類別概率ymain;該主病灶區域圖像的特征圖輸入類別響應圖生成模塊輸出主病灶區域圖像的類別響應圖135將主病灶區域圖像的類別響應圖輸入病灶細節建議模塊,計算出Top5病灶細節位置參數,作為病灶細節信息;136在主病灶區域圖像上裁剪出病灶細節信息并進行放大處理,得到病灶細節圖;137將病灶細節圖輸入骨干網絡提取病灶細節特征,產生病灶細節特征圖,病灶細節特征圖輸入對應的平均池化層、全連接層得到各類別分數向量zdetails,再傳入softmax層計算各類別概率ydetails;138通過知識蒸餾將病灶細節建議模塊學習到的病害細節信息傳播到主病灶定位識別模塊;對于指定類別c計算: 其中,T是一個溫度參數,為主病灶區域圖像對應類別c分數,為主病灶區域圖像對應類別c的軟概率,Nc為類別數量;通過如下的損失函數,將病害細節信息傳播到主病灶定位識別模塊; 其中,Lsoftysoft,ydetails定義為軟交叉熵損失函數,為主病灶區域圖像對應類別k的軟概率,為病灶細節圖對應類別k的概率;139對于指定圖像I,通過交叉熵損失函數Lcls和64中的Lsoft組合Ltotal優化模型: 其中,λ是一個超參數,用于平衡兩個損失的權重;1310重復上述過程,直至Ltotal不再變化,模型收斂,訓練結束;14待識別病害圖像的獲取:獲取待識別的病害圖像并進行預處理;15病害圖像識別結果的獲得:將預處理后的待識別病害圖像輸入訓練后的病害識別網絡,得到病害圖像識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人中國科學院合肥物質科學研究院,其通訊地址為:230031 安徽省合肥市蜀山區蜀山湖路350號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 虹口区| 达拉特旗| 岱山县| 济阳县| 阿图什市| 翁牛特旗| 崇阳县| 莱州市| 汝州市| 合水县| 湖南省| 佛山市| 八宿县| 综艺| 桐庐县| 奉贤区| 河津市| 巍山| 镇宁| 灵台县| 秦安县| 麻栗坡县| 永善县| 江门市| 伊春市| 棋牌| 类乌齐县| 安福县| 本溪市| 武山县| 紫阳县| 北碚区| 五寨县| 新丰县| 南京市| 芒康县| 哈尔滨市| 万安县| 丹凤县| 双鸭山市| 赫章县|