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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于倾斜矩形框的稻纵卷叶螟为害状图像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：CN116258711B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310274762.X，技术领域涉及：G06T7/00；该发明授权一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法是由王儒敬;陈天娇;陈红波;杜健铭;张洁;李瑞;胡海瀛设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法在说明书摘要公布了：本发明涉及一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了田间复杂环境下水稻稻纵卷叶螟为害状有不定向生长、尺寸多样等现象难以进行准确检测的缺陷。本发明包括以下步骤：水稻稻纵卷叶螟为害状图像的获取和预处理；构建稻纵卷叶螟为害状检测模型；稻纵卷叶螟为害状检测模型的训练；待检测稻纵卷叶螟害虫图像的获取；稻纵卷叶螟害虫图像检测结果的获得。本发明可实现复杂的田间环境下水稻为害状区域的精准检测，提高水稻稻纵卷叶螟为害状检测的准确性，增强水稻稻纵卷叶螟为害状检测的可视化能力。

本发明授权一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法在权利要求书中公布了：1.一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法，其特征在于，包括以下步骤： 11水稻稻纵卷叶螟为害状图像的获取和预处理：获取水稻稻纵卷叶螟图像，设为害状图像，使用倾斜矩形框标注软件roLabelImg对数据集进行标注，建立害状训练样本集； 12构建稻纵卷叶螟为害状检测模型：基于倾斜矩形框构建稻纵卷叶螟为害状检测模型； 所述构建稻纵卷叶螟为害状检测模型包括以下步骤： 121设定稻纵卷叶螟为害状检测模型的第一部分为使用ResNet-50的特征提取模块、第二部分为使用FPN的特征金字塔模块、第三部分为待定倾斜矩形框获取模块、第四部分为倾斜矩形检测框获取模块； 122设定待定倾斜矩形框获取模块： 在特征金字塔模块中的m层的所有空间位置设立无角度的矩形框，长宽比为0.5，1，2，m个不同层的无角度初始矩形框的面积分别为322,642,1282,2562,5122； 利用无角度的矩形框获取待定倾斜矩形框，然后每一层挑选分类概率最高的待定倾斜矩形框进行最大值抑制nms后，再从m层的待定倾斜矩形框中挑选t个分类概率最高的框xp,yp,wp,hp,θ通过校正特征图进行微调； 123设定倾斜矩形检测框获取模块： 倾斜矩形检测框获取模块包括倾斜特征降维模块和检测模块，将t个待定倾斜矩形框对应的局部特征降维变成k*k*256，然后使用2个全连接执行最后的检测； 第一阶段获取的t个待定倾斜矩形框表示为xp,yp,wp,hp,θ，对应到特征金字塔网络获取的特征图上为局部特征xf,yf,wf,hf,θ，通过倾斜特征降维模块得到k*k*256的局部特征执行后续的全连接检测， s为原图到特征图的降维比例,对于第c0≤c＜C个维度上第m,n个特征点的值为： 其中0≤m,n＜k，l表示特征图上待定倾斜矩形框对应的k*k个方格中单个方格的取样数量，FcRθx,y表示单个方格中的取样位置x,y通过倾斜操作后的第c个维度上的数值； 13稻纵卷叶螟为害状检测模型的训练：基于害状训练样本集对稻纵卷叶螟为害状检测模型进行训练； 所述稻纵卷叶螟为害状检测模型的训练包括以下步骤： 131将害状训练样本集输入稻纵卷叶螟为害状检测模型； 132经过稻纵卷叶螟为害状检测模型的特征提取模块，得到m个不同层的特征图； 133将m个不同层的特征图输入特征金字塔模块，得到不同尺度融合后的m个特征图； 134基于自适应选择训练样本机制的待定倾斜矩形框获取网络，针对每一个为害状在初始设立的无角度的矩形框里找到最适合的交集与并集的比值阈值， 针对每一个为害状gt，在不同尺度融合后的m个特征图分别获取n个距离为害状中心最近的无角度初始矩形框，共m*n个，然后计算这m*n个无角度初始矩形框与为害状gt的倾斜交集与并集的比值集合，最终获取该为害状gt对应的交集与并集的比值阈值meanious+stdious，根据数据集的统计特性自适应得到每一个为害状的正样本设定阈值，保证每一个为害状在训练模型的时候都有正样本，负样本从其他的无角度的初始矩形框中随机挑选，一张图像默认挑选N＝256个正负样本，正负样本比例默认设为1：1； 针对一张图像获得N个训练样本，默认取256，其中正样本个数为N1，N1与图像中为害状的个数与具体位置有关，正负样本共同完成分类损失Lcls的计算，仅使用正样本得到回归损失Lreg，如下面公式所示： pdt为待定倾斜矩形框获取网络的分类分支结果，pgt为样本的分类标签，若样本为正样本，pgt为1，否则为0；Lcls使用交叉熵损失，Lreg使用smoothL1损失，包括中心坐标、长短边以及角度的回归损失， 其中为待定倾斜矩形框获取网络的回归分支结果，表示待定倾斜矩形框与无角度的初始矩形框之间的差距，igt,i∈{x,y,w,h,θ}为标注的倾斜矩形框的中心坐标、长短边以及角度，表示标注的倾斜矩形框与无角度的初始矩形框之间的差异，通过最小化与之间的差异，利用反向传播算法训练网络，测试过程通过网络回归分支结果与无角度的初始矩形框计算得到待定倾斜矩形框的中心坐标xdt,ydt、长短边wdt,hdt以及倾斜角度，对角度归一化操作最终得到待定倾斜矩形框，表示为xdt,ydt,wdt,hdt,θdt； 135通过待定倾斜矩形框获取网络的回归分支结果与无角度的初始矩形框进行上述计算得到待定倾斜矩形框的中心坐标、长短边以及倾斜角度xdt,ydt,wdt,hdt,θdt，所有待定倾斜矩形框通过倾斜特征降维操作，得到局部特征k*k*C，后续通过2个全连接操作； 至此获取待定倾斜矩形框的最终执行检测的1024维的特征向量，通过这个特征向量再分别利用2个全连接操作得到倾斜矩形检测框，包括类别的分类得分以及含有倾斜角度的位置信息x,y,w,h,θ，其中，倾斜矩形检测框获取模块的损失函数和待定倾斜矩形框获取网络相同； 14待检测稻纵卷叶螟害虫图像的获取：获取待检测的稻纵卷叶螟图像并进行预处理； 15稻纵卷叶螟害虫图像检测结果的获得：将待检测的稻纵卷叶螟图像输入训练后的稻纵卷叶螟为害状检测模型，得到水稻稻纵卷叶螟的害虫为害状图像检测结果。

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科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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”。

以上内容由龙图腾AI智能生成。