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！

龙图腾网获悉湖南大学申请的专利一种植被叶片病害及严重程度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：CN116310827B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310285256.0，技术领域涉及：G06V20/10；该发明授权一种植被叶片病害及严重程度识别方法是由杨彬;王竹莲;李彩红;汪建武设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种植被叶片病害及严重程度识别方法在说明书摘要公布了：本发明公开了一种植被叶片病害及严重程度识别方法，搭建TSTC网络，该网络包括多任务特征提取模块、特征融合模块和深度监督模块，预设叶片分类标签和训练集，将训练集中的叶片病害图像输入多任务特征提取模块，输出浅层特征；特征融合模块对浅层特征进行融合，得到紧凑特征；将浅层特征和紧凑特征输入深度监督模块，经过处理得到预测值，根据预测值和叶片分类标签计算网络的总损失，反向传播并更新网络参数，得到更新后的TSTC网络；将待检测叶片病害图像输入至更新后的TSTC网络，经过处理输出待检测叶片的预测值，根据待检测叶片的预测值得到待检测叶片的病害种类及严重程度。该方法可同时分别识别植被叶片的病害和严重程度。

本发明授权一种植被叶片病害及严重程度识别方法在权利要求书中公布了：1.一种植被叶片病害及严重程度识别方法，其特征在于，所述方法包括： S1、搭建TSTC网络，所述TSTC网络包括依次连接的多任务特征提取模块、特征融合模块和深度监督模块； S2、预设叶片分类标签和训练集，将所述训练集中的叶片病害图像输入至所述TSTC网络的多任务特征提取模块，经过处理得到三组浅层特征； S3、所述TSTC网络的特征融合模块采用紧凑双线性池化技术对三组所述浅层特征进行融合，得到两组紧凑特征； S4、将三组所述浅层特征和两组所述紧凑特征输入至所述TSTC网络的深度监督模块，经过处理得到相应的预测值，根据所述预测值和所述叶片分类标签计算所述TSTC网络的总损失，反向传播更新所述网络的网络参数，得到更新后的TSTC网络； S5、将待检测叶片病害图像输入至所述更新后的TSTC网络，经过处理输出待检测叶片的预测值，根据所述待检测叶片的预测值得到待检测叶片的病害种类及严重程度； 所述S1中的多任务特征提取模块包括分块模块和若干个任务特征提取子模块，每个任务特征提取子模块包括线性嵌入模块或分块合并模块、以及若干个SwinTransformerblock模块，所述线性嵌入模块或分块合并模块与若干个所述SwinTransformerblock模块连接，所述分块模块用于对输入的叶片病害图像进行分块，若干个所述任务特征提取子模块分为四个阶段三个分支网络提取叶片病害图像的浅层特征。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。