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！

龙图腾网获悉昆明理工大学申请的专利一种基于深度学习模型的橘子叶片病变分类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：CN119445376B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411491958.5，技术领域涉及：G06V20/10；该发明授权一种基于深度学习模型的橘子叶片病变分类方法是由周正轩设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于深度学习模型的橘子叶片病变分类方法在说明书摘要公布了：本发明公开了一种基于深度学习模型的橘子叶片病变分类方法，基于深度学习的高性能分类模型DF‑SE‑ResNet，在模型的特征提取阶段，将优化后的ResNet50与FPNFeaturePyramidNetworks结合并加入了改进后的通到注意力机制模块，让模型在有效聚焦小病变斑块同时保留了其周围更多的语义信息，为后续的准确识别奠定坚实的基础。为了解决病变斑块随机分布所造成的准确定位难题，在特征提取网络之后引入了基于置换不变性的区域特征加权融合方法，提升了病变斑块的定位能力同时显著增强了病变特征。最后在实验阶段DF‑SE‑ResNet的准确率达到了95.4％，并且与其它深度学习模型相比，本发明所提出的模型其性能更优。

本发明授权一种基于深度学习模型的橘子叶片病变分类方法在权利要求书中公布了：1.一种基于深度学习模型的橘子叶片病变分类方法，基于图像分类模型DF-SE-ResNet，其特征在于，包括以下步骤： a采集橘子叶片图像； b使用优化后的ResNet50网络作为特征提取网络，其中网络的第一个卷积层由三个3×3卷积核替代原有的7×7卷积核； c在特征提取阶段，将ResNet50与FPN结合，通过FPN的横向连接来融合不同层次的特征图，以获取具有不同尺度信息的特征； d在特征图上应用改进后的SE注意力机制模块，该模块包括升维全连接层以保留小目标特征，并通过全局平均池化和后续的全连接层操作产生特征权重； 所述改进后的SE注意力机制模块通过升维操作来最大化保留小目标特征，从而改善小目标识别效果，具体包括将SE模块中的降维多层感知机改为升维多层感知，计算公式为，其中是SE模块得到的特征图，是改进后的多层感知机，是全局平均池化，是输入的特征图，表示对像素分别乘积运算； e对特征提取网络获得的特征图进行基于置换不变性的处理，通过将特征图分割成多个子区域，并根据子区域内病变斑块的分布情况分配不同的权重； f将加权后的特征图融合以得到一个增强的特征图； g使用逆频率交叉熵损失函数对训练数据集进行分类，该损失函数通过为不同类别分配不同的权重来解决类别不平衡问题； 所述逆频率交叉熵损失函数通过为不同类别分配不同的权重，增加模型对少数类别样本的关注度，进而提升整体模型的分类准确率，具体包括对那些样本数较多的类分配较少的权重，反之则分配较多的权重，逆频率交叉熵损失函数的数学表达式为：，其中是数据集中的所有类别，表示单个类别，表示单个类别的逆频率表达式为，其中是数据集中的总样本数，是类别的样本数，是样本属于类别的指示变量，其中如果样本属于类别，则为1，否则为0，是模型预测样本属于类别的概率； h应用全连接层对增强后的特征图进行分类，以实现对橘子叶片病变类型的准确识别。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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。