Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东农业大学张承明获国家专利权

山东农业大学张承明获国家专利权

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!

龙图腾网获悉山东农业大学申请的专利基于单目深度估计的冬小麦抽穗期长势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:CN120198688B

龙图腾网通过国家知识产权局官网在2025-08-29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:202510637166.2,技术领域涉及:G06V10/62;该发明授权基于单目深度估计的冬小麦抽穗期长势监测方法是由张承明;张辰阳;刘佳琪;李峰;李晨璐;杨晓霞;姚明诚;王奕涵;董航设计研发完成,并于2025-05-19向国家知识产权局提交的专利申请。

基于单目深度估计的冬小麦抽穗期长势监测方法在说明书摘要公布了:本申请公开了一种基于单目深度估计的冬小麦抽穗期长势监测方法,涉及图像处理技术领域,通过建立的冬小麦抽穗期长势监测网络MDEHNet对冬小麦试验田采集图像进行多层次特征提取并增项重要特征信息获得图像特征信息,增强对作物区域的关注,抑制冗余背景信息,提升模型的感知能力。将图像特征信息进行图像细节的恢复和提高深度估计的精度获得细化图像特征信息,可提升深度估计的准确性和鲁棒性。细化图像特征信息通过MDEHNet进行上采样实现尺寸恢复并转化为与初始图像高度相同的深度图,深度图反映初始图像中每个像素的深度信息。通过上述过程提升了测量精度和适应性,克服传统农业测量方法效率低、适应性差的问题。

本发明授权基于单目深度估计的冬小麦抽穗期长势监测方法在权利要求书中公布了:1.一种基于单目深度估计的冬小麦抽穗期长势监测方法,其特征在于,包括: 通过建立的冬小麦抽穗期长势监测网络MDEHNet对冬小麦试验田采集图像进行多层次特征提取并增项重要特征信息获得图像特征信息; 所述MDEHNet将所述图像特征信息进行图像细节的恢复和提高深度估计的精度获得细化图像特征信息; 所述细化图像特征信息通过所述MDEHNet进行上采样实现尺寸恢复并转化为与初始图像高度相同的深度图,所述深度图反映初始图像中每个像素的深度信息; 所述MDEHNet包括特征提取子网络、特征细化模块FRM、深度信息获取子网络,其中:所述特征提取子网络包括依次连接的多个特征提取模块FEM,所述FEM依次实现对冬小麦试验田采集图像进行尺寸压缩;所述FRM接收最后一个所述FEM输出的图像特征信息并进行图像特征精细化;所述深度信息获取子网络包括依次连接的多个上采样模块和深度预测模块DPM,所述FRM输出的细化图像特征信息依次通过多个所述上采样模块实现图像尺寸的恢复,最后一个所述上采样模块输出的信息输入到所述DPM获得与初始图像高度相同的深度图; 所述FRM包括多个并行的处理分支,每个处理分支包括一个卷积核和ReLU激活函数,不同处理分支的所述卷积核大小不同,卷积核对所述特征提取子网络最后一个FEM输出的特征图进行卷积处理,并将这些卷积输出进行拼接或加权求和,生成一个包含多尺度信息的特征图;然后使用连续的卷积层对所述特征图进行深入处理,强化特征的非线性表达能力;深度卷积后引入ECA注意力机制计算每个通道的重要性,抑制无关特征; 所述DPM包括两个连续的第一卷积层和第二卷积层,两个卷积层提取细节信息,生成具有空间细节的深度图;所述第二卷积层的输出连接归一化策略BN,所述BN后为ReLU激活函数,BN提升模型的稳定性,使用ReLU激活函数去除负值,提高模型的非线性表达能力;最后经第三卷积层和深度到高度转换模块将预测的深度图中的像素值转换为物理空间中的高度值。

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山东农业大学,其通讯地址为:271099 山东省泰安市岱宗大街61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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。