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！

龙图腾网获悉江西农业大学;江西省检验检测认证总院检测认证技术发展研究院申请的专利一种融合大语言模型的神经辐射场植株渲染方法及装置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：CN120411325B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510914606.4，技术领域涉及：G06T15/00；该发明授权一种融合大语言模型的神经辐射场植株渲染方法及装置是由刘鑫;张鸣虹;易文龙设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种融合大语言模型的神经辐射场植株渲染方法及装置在说明书摘要公布了：本发明公开了一种融合大语言模型的神经辐射场植株渲染方法及装置，该方法通过采集带文本提示符的植株图像集合，利用大语言模型从植株图像对应的文本提示符中提取语义信息，生成伪标签；使用伪标签，以对多视角植株图像之间的几何对应关系与单张植株图像内部的自监督关系对分割模型进行微调；将植株图像的位置参数输入神经网络模型预测得到新的图像参数，再通过体渲染公式进行渲染图像生成；加入不确定性估计损失同时给定目标文本提示符，以分割模型生成在每个输入视图上的二维分割图预测监督信号进行学习训练，输出三维植株渲染图像。本发明的方法在遮挡和小目标的复杂场景重建性能表现优异，为复杂果树场景高效重建提供了新的解决方案。

本发明授权一种融合大语言模型的神经辐射场植株渲染方法及装置在权利要求书中公布了：1.一种融合大语言模型的神经辐射场植株渲染方法，其特征是，包括以下步骤： 步骤1：通过无人机拍摄装置采集多视角植株图像并进行预处理，计算植株图像的位置参数；采集带文本提示符的植株图像集合，利用大语言模型从植株图像对应的文本提示符中提取语义信息，生成伪标签； 步骤2：使用大语言模型生成的伪标签，以多视角植株图像之间的几何对应关系与单张植株图像内部的自监督关系对分割模型进行微调； 步骤3：将植株图像的位置参数输入神经辐射场的神经网络模型预测得到新的图像参数，再通过体渲染公式进行渲染图像生成； 步骤4：通过主动学习策略对渲染图像的图像参数进行不确定性估计，选择最能带来信息增益的新样本学习，用新捕获的渲染图像扩展训练集； 步骤4中，不确定性估计时，首先建立额外多层感知机输出分支方差； 通过计算场景中所有采样点的不确定性减少量，来评估新增视角对模型整体认知的提升效果，并将信息增益多的新视角定义为： ； 其中，为先验方差，为后验方差，为第j条光线，为光线上第i个采样点的深度值，为候选的新数据集，对应新视角下的像素光线，为每条光线上采样的3D空间点数量，i=1表示从每条光线上的第1个采样点开始累加信息增益，直到第个采样点； 获取信息增益多的新视角后对辐射颜色的先验均值的后验更新： ； 其中，表示沿光线进行体积渲染时第k个采样点的深度值，为处辐射颜色的先验均值,为贝叶斯更新权重，平衡新观测值与先验估计的权重，是从新捕获的视角图像中光线对应的真实颜色，为光线r上除外的其他采样点对渲染颜色的贡献，为第k个采样点的体积渲染权重； 引入不确定性估计的损失函数为： ； 其中，为不确定性估计损失，为光线数量，为第j条光线对应的渲染颜色，为第j条光线对应的真实颜色，表示辐射颜色的不确定性方差，表示光线通过体积渲染后渲染颜色的方差，为控制正则化的强度参数，表示光线上第i个采样点的体密度； 步骤5：加入不确定性估计损失同时给定目标文本提示符，学习给定目标文本提示符的体积概率，根据在三维重建训练开始时给定的目标文本提示符，为每个输入视图上使用分割模型生成目标文本提示符约束下的二维分割图预测监督信号，使用二元交叉熵损失来优化语义体积概率，并将其与采样射线上的二维分割图进行比较，训练同时通过主动学习加入不确定性估计损失，确定信息增益多的视角，进一步优化三维重建训练过程，最终生成三维果树渲染图像。

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江西农业大学;江西省检验检测认证总院检测认证技术发展研究院，其通讯地址为：330000 江西省南昌市经济技术开发区志敏大道1101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”。