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！

龙图腾网获悉中国农业大学申请的专利一种基于动态图卷积和迁移学习的作物器官点云分割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：CN116740079B 。

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：202310704100.1，技术领域涉及：G06T7/10；该发明授权一种基于动态图卷积和迁移学习的作物器官点云分割方法是由马韫韬;蔡智博;朱晋宇;郭焱;李保国设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于动态图卷积和迁移学习的作物器官点云分割方法在说明书摘要公布了：一种基于动态图卷积和迁移学习的作物器官点云分割方法，属于三维点云实例分割技术领域。所述方法首先基于图卷积操作设计了一个全新的点云实例分割网络PointDGCNet。然后，采用迁移学习方法微调预训练分割模型的参数，得到适用于单子叶植株点云的实例分割模型，有效提高了单子叶植物点云的分割准确率平均准确率68.98％，平均交并比66.53％，同时极大的缩短了模型的训练时间，并避免了过拟合情况的发生。训练后，采用重采样方法进一步提高了分割的准确率平均准确率72.10％。最后，通过进一步实验证明，该方法对于单子叶植物点云，如玉米、小麦等均具有一定的泛化能力。

本发明授权一种基于动态图卷积和迁移学习的作物器官点云分割方法在权利要求书中公布了：1.一种基于动态图卷积和迁移学习的作物器官点云分割方法，其特征在于：所述方法为： 步骤一：数据获取与数据集建立 数据集分为两部分：1用三维扫描仪对五种不同环境下处于苗期生长阶段的高粱植株进行无接触扫描，获取微米级别分辨率的高粱三维点云；2用三维扫描仪对六种环境下苗期阶段的单子叶植株进行无接触扫描，获取亚毫米级别分辨率的玉米三维点云； 步骤二：建立PointDGCNet点云分割网络 PointDGCNet网络采用编-解码器架构并基于图卷积操作进行设计，网络中的采样卷积块由边缘卷积层和采样分组层构成； 边缘卷积层根据输入的点云信息构建一个图数据结构，其中每个独立点作为图中的顶点，每个顶点与其邻居点之间的关系操作h被定义为边缘卷积，关系函数h的定义如下： hxi,xj＝maxmlpxi-xj 其中，xi为关注点，xj为关注点周围的邻居点； 采样分组层使用fps下采样算法从输入点云PC中选取部分具有代表性的点PC’，并采用k近邻算法将邻居点的特征聚合到点集PC’中； PointDGCNet网络的特征编码器由三个级联的采样卷积块组成，负责对输入点云进行高度的特征抽象；特征解码器由三个级联的上采样插值层构成，负责将抽象的高维度特征逐级恢复到每个独立点中；最终采用平均池化层输出点云分割结果；平均池化操作的公式为 f{x1,x2,...,xk}＝avgwx1,wx2,...,wxk 其中，w为特征抽象操作； 将高粱点云数据输入PointDGCNet网络进行神经网络训练，训练结束后，得到一个高粱点云实例分割模型； 步骤三：参数微调 对步骤二训练好的高粱模型进行参数微调，以适应单子叶植物数据，具体地，微调与标签预测相关的神经网络层参数，来得到合适的单子叶植物点云分割模型； 预训练网络PointDGCNet的输出层修改为： output＝conv2'dropoutrelubatch_normalconv1points 其中，conv2’为修改后的二维卷积层，dropout为随机失活层，relu为激活函数，batch_normal为批量标准化层，conv1为一维卷积层，points为经过fp1′层输出的抽象特征。

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中国农业大学，其通讯地址为：100000 北京市海淀区圆明园西路2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”。