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！

龙图腾网获悉四川农业大学申请的专利基于轻量化YOLOv8模型的茶叶病害检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：CN120472325B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510977015.1，技术领域涉及：G06V20/10；该发明授权基于轻量化YOLOv8模型的茶叶病害检测方法是由陈锐;周子博;周悦;邱宗森;周胜翔;杨诗睿;陈珏宇;姚宇杰设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于轻量化YOLOv8模型的茶叶病害检测方法在说明书摘要公布了：本发明涉及茶叶病害检测领域，具体涉及一种基于轻量化YOLOv8模型的茶叶病害检测方法。技术方案包括：采集多种类型的茶叶病害图像；对采集的多种类型的茶叶病害图像进行预处理，预处理包括光照归一化、几何增强、光照增强、自适应直方图均衡化、多尺度Retinex算法、动态Gamma校正以及图像噪声去除，并对不同类型茶叶病害图像中的病斑区域进行标注，得到训练数据集；构建轻量化YOLOv8模型；使用训练数据集对轻量化YOLOv8模型进行训练；将采集的茶叶病害图像输入至训练完成后的轻量化YOLOv8模型中，通过训练完成后的轻量化YOLOv8模型输出茶叶病害类型。本发明适用于茶叶病害检测。

本发明授权基于轻量化YOLOv8模型的茶叶病害检测方法在权利要求书中公布了：1.基于轻量化YOLOv8模型的茶叶病害检测方法，其特征在于，包括： S1、采集多种类型的茶叶病害图像； S2、对采集的多种类型的茶叶病害图像进行预处理，并对不同类型茶叶病害图像中的病斑区域进行标注，得到训练数据集； S3、构建轻量化YOLOv8模型； Ghost-CBAM模块嵌入： 在YOLOv8的FPN-PAN多尺度特征融合网络中，采用Ghost-CBAM模块替代传统卷积块； Ghost-CBAM模块将Ghost模块与CBAM相结合，Ghost模块利用廉价线性运算生成冗余特征图，CBAM通过顺序的通道注意力与空间注意力机制，自适应地强调有用通道和空间位置； Ghost-CBAM模块采用两阶段处理流程，第一阶段通过Ghost模块的特征生成层构建冗余特征表达，第二阶段通过级联式通道-空间注意力机制对特征进行动态校准，最终将注意力权重与输入特征进行逐元素乘积实现特征增强； 通道注意力机制： 针对Ghost模块输出的多通道特征，构建双路特征压缩通道： 通过全局平均池化和全局最大池化分别生成通道统计描述符，经参数共享的多层感知机进行非线性映射后，采用逐元素相加实现双路特征融合，最终通过Sigmoid函数生成通道注意力掩码； 空间注意力机制： 在通道校准后的特征基础上，沿通道维度进行双模式压缩，通过卷积核构建局部-全局空间关联模型，生成像素级空间注意力分布图； 多任务协同优化： 构建特征复用架构，将经过注意力调制的多尺度特征同时馈入分类与回归分支，通过引入梯度共享机制和基于知识蒸馏的联合损失函数，实现目标定位精度与分类置信度的协同优化； 骨干网络替换： 将YOLOv8原始骨干网络Darknet全面替换为CSPDNet，保留三层多尺度特征输出结构，每个阶段嵌入DSCBlock模块，通过可变形卷积核增强空间形变建模能力，配合通道加权机制替代传统1×1卷积，实现轻量化的跨通道信息交互； CSPDNet基于可变形深度可分离卷积与跨阶段部分连接思想，通过在每个阶段内部引入DSCBlock模块和通道加权模块，减少冗余计算，同时增强对形变与多尺度目标的表达能力； 跨阶段部分连接融合： 沿用原生CSP架构设计，将各阶段特征拆分为基础路径和DSCBlock模块处理路径，通过特征拼接与1×1卷积融合策略，实现浅层纹理特征与深层语义特征的优势互补； 动态分辨率适配： 根据输入分辨率动态调整DSCBlock中可变形卷积的采样偏移范围和通道压缩比例； S4、使用训练数据集对轻量化YOLOv8模型进行训练； S5、将采集的茶叶病害图像输入至训练完成后的轻量化YOLOv8模型中，通过训练完成后的轻量化YOLOv8模型输出茶叶病害类型。

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四川农业大学，其通讯地址为：625000 四川省雅安市雨城区新康路46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”。