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！

龙图腾网获悉中国农业科学院作物科学研究所申请的专利一种基于Faster R-CNN的小麦穗数识别方法、系统和介质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：CN114266752B 。

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：202111589730.6，技术领域涉及：G06T7/00；该发明授权一种基于Faster R-CNN的小麦穗数识别方法、系统和介质是由肖永贵;李雷;杨梦娇;穆哈默德艾迪尔·哈森;韩志国;夏先春;何中虎设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种基于Faster R-CNN的小麦穗数识别方法、系统和介质在说明书摘要公布了：本发明属于智能生物技术领域，涉及一种基于FasterR‑CNN的小麦穗数识别方法、系统和介质，包括：提取不同家系麦穗冠层图像，并在图像中的麦穗进行标定，获得各个麦穗对应的标签；将麦穗的图像和标签输入ResNet网络模型中进行特征提取，获得麦穗的特征图，并根据麦穗轮廓建立对应的候选框；通过特征图对FasterR‑CNN模型进行训练，获得最优的麦穗识别模型；将待测麦穗图像输入麦穗识别模型，获得与各个麦穗对应的候选框；统计候选框的个数，从而获得小麦麦穗数。其能够对小麦进行准确的QTL定位，能够准确对具有高重叠特点的小麦穗数的小麦进行识别，有望为小麦分子育种种产量相关表型鉴定提供高通量分析工具。

本发明授权一种基于Faster R-CNN的小麦穗数识别方法、系统和介质在权利要求书中公布了：1.一种基于FasterR-CNN的小麦穗数识别方法，其特征在于，包括： 提取不同家系麦穗冠层图像，并对所述图像中的麦穗进行标定，获得各个麦穗对应的标签； 将所述麦穗的图像和标签输入ResNet网络模型中进行特征提取，获得麦穗的特征图，并根据麦穗轮廓建立对应的候选框； 通过所述特征图对FasterR-CNN模型进行训练，获得最优的麦穗识别模型； 将待测麦穗图像输入所述麦穗识别模型，获得与各个麦穗对应的候选框； 统计所述候选框的个数，从而获得小麦麦穗数； 通过单位面积中的麦穗数对小麦的基因性状进行QTL定位； 所述QTL定位的方法包括： 获得小麦的双单倍体群体； 通过SNP芯片对所述小麦的双单倍体群体进行分型；分型的方法包括：将待测小麦的基因组DNA进行全基因组扩增，得到扩增产物；将扩增产物用随机内切酶进行切断化处理，得到DNA片段；将DNA片段与SNP芯片进行杂交，使DNA片段与SNP芯片的微珠上的特异性捕获探针互补结合；清洗去除未杂交上的或错配杂交上的DNA片段；通过二硝基酚和生物素标记核苷酸底物，在特异性捕获探针上进行单碱基延伸，通过染色，使不同的核苷酸底物标记不同的荧光染料；对SNP芯片进行扫描，根据检测到的荧光数判读并输出分型结果；通过将分型结果输入IciMapping网络，删除冗余标记，构建基因连锁图谱； 根据基因连锁图谱通过复合区间作图法获得小麦基因性状的QTL定位，定位到三个与单位面积穗数相关的QTL位点，分布在小麦染色体4DS、7DS和7DL上； 所述对FasterR-CNN模型进行训练包括对候选框的比例、IOU阈值进行调整以及对模型训练的策略学习率进行优化； 通过全连接层的L2正则化和softmax分类与回归，判断所述候选框是否超过阈值，以判断所述候选框是否包含完整的麦穗，对超过所述阈值的候选框，通过softmax回归获得其位置坐标，并通过非极大值抑制剔除所述候选框中大于IOU阈值但不是对真实麦穗最优预测的候选框；所述麦穗的图像和标签输入ResNet网络模型中若干子模块中进行特征提取，根据提取的特征生成候选框，将生成的候选框与原麦穗的图像和标签一同进行L2正则化和softmax分类与回归，计算其结果的交并比，并对其结果进行非极大值抑制，从而获得初步的分类方案，将初步的分类方案依次输入ROI池化层、ResNet网络模型中另一个子模块、L2正则化、softmax层、交并比计算和非极大值抑制，从而输出最终的图像识别结果； 所述ResNet网络模型的若干子模块包括四个子模块，第一个子模块包括卷积层、BN层、RELU层和最大池化层；第二至四个子模块均包括卷积块和若干识别块；所述ResNet网络模型中另一个子模块包括卷积块、两个识别块、最大池化层和压平层。

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农业科学院作物科学研究所，其通讯地址为：100081 北京市海淀区中关村南大街12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”。