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！

龙图腾网获悉吉林师范大学申请的专利一种植物生长信息监测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：CN115482469B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211254436.4，技术领域涉及：G06V20/10；该发明授权一种植物生长信息监测方法是由杜会石;曲玮;关晓鹏;王一阳设计研发完成，并于2022-10-13向国家知识产权局提交的专利申请。

本一种植物生长信息监测方法在说明书摘要公布了：一种植物生长信息监测方法，涉及植物监测技术领域，针对现有技术中不能得出植物在各个阶段准确清楚的生长信息的问题，本申请解决了传统靠肉眼来分辨湿地植物在各个阶段的生长信息准确率低的问题，本申请通过叶面积指数对植物的生长信息进行判断，本申请结合了神经网络，使得对植物监测时的速度提升，本申请实现了对植物生长情况进行连续的监测，极大地提升了监测效率，避免了人为的目测植物的生长状况，监测效率低、费时费力的问题。

本发明授权一种植物生长信息监测方法在权利要求书中公布了：1.一种植物生长信息监测方法，其特征在于包括训练步骤以及监测步骤： 所述训练步骤具体为： 训练模型1： 针对被监测植物，获取被监测植物图像，并对图像中被监测植物的茎以及被监测植物正向叶片图像进行标记，最后利用被监测植物图像为输入、标记后的图像为输出训练神经网络，得到训练好的模型1； 训练模型2： 针对被监测植物，根据历史数据得到被监测植物茎的长度与对应叶片的数量，并利用被监测植物茎的长度作为输入、对应叶片的数量作为输出训练神经网络，得到训练好的模型2； 训练模型3： 根据历史数据得到被监测植物的叶面积指数以及该叶面积指数下植物的生长率，并以叶面积指数为输入、该叶面积指数下植物的生长率作为输出训练神经网络，得到训练好的模型3； 所述监测步骤为： 步骤一：获取被监测植物所占土地面积以及所占土地内被测植物的数量，之后根据所占土地面积以及所占土地内被测植物的数量得到单株被监测植物所占土地面积的均值； 步骤二：获取待识别的被监测植物图像，并将待识别的被监测植物图像输入模型1，得到被监测植物图像中被监测植物的茎以及被监测植物正向叶片图像； 步骤三：根据拍摄相机的内参，得到待识别的被监测植物图像中每个被监测植物叶片正向图像的面积，并得到被监测植物图像中所有叶片正向图像面积的均值； 步骤四：根据拍摄相机的内参，得到待识别的被监测植物图像中被监测植物茎的长度，并将被监测植物茎的长度输入模型2，得到对应叶片的数量； 步骤五：将步骤三得到的每个被监测植物叶片正向图像面积的均值与步骤四得到的对应叶片的数量相乘，得到单株植物所有叶片的面积和； 步骤六：根据单株植物所有叶片的面积和和步骤一中得到的所占土地面积的均值得到叶面积指数； 步骤七：将步骤六中得到的叶面积指数输入模型3，得到生长率，进而实现植物生长信息监测； 所述被监测植物正向叶片图像进行标记的具体步骤为： 步骤1：获取待检测图像，并将待检测图像进行压缩，得到压缩后的图像； 步骤2：将压缩后的图像输入训练好的目标检测网络进行叶片检测； 所述目标检测网络的训练过程为： 步骤21：获取原始图像，并得到原始图像的压缩图像； 步骤22：将原始图像和压缩图像分别进行特征提取，得到原始图像特征图和压缩图像特征图，并利用检测网络对原始图像进行检测，得到原始图像中的类别预测值； 步骤23：利用Featuremap蒸馏对原始图像特征图和压缩图像特征图进行处理，得到与原始图像特征图分布相似的压缩图像特征图； 步骤24：利用与原始图像特征图分布相似的压缩图像特征图替换原始压缩图像特征图，并利用检测网络得到压缩图像中物体的位置和类别预测值； 步骤25：利用Logit蒸馏对原始图像中的类别预测值以及步骤24中得到的类别预测值进行处理，得到靠近原始图像中的类别预测值； 步骤26：利用原始图像的压缩图像作为输入、步骤24中得到的压缩图像中物体的位置以及与靠近原始图像中的类别预测值作为输出训练目标检测网络。

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吉林师范大学，其通讯地址为：136000 吉林省四平市铁西区海丰大街1301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”。