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！

龙图腾网获悉华南农业大学申请的专利基于语义分割和关键点检测的叶片相似度度量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：CN116645528B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310478969.9，技术领域涉及：G06V10/74；该发明授权基于语义分割和关键点检测的叶片相似度度量方法及装置是由高月芳;李大志;李必政;黄琼;杨存义;肖冬冬;郑朱茵;叶颖欣设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本基于语义分割和关键点检测的叶片相似度度量方法及装置在说明书摘要公布了：本发明公开了一种基于语义分割和关键点检测的叶片相似度度量方法及装置，包括：对采集到的叶片图像进行标注，得到标注好的叶片图像；将所述标注好的叶片图像输入至预先设立好的融合网络模型中进行训练，得到训练好的融合网络模型，并获得叶片图像的轮廓信息和两端端点信息；所述融合网络模型是使用ResNet作为骨干网络提取输入图像的特征信息，包括MaskR‑CNN分支和SimpleBaselines分支；根据所述叶片图像的轮廓信息和两端端点信息，对叶片图像进行尺度归一化，得到归一化的叶片图像；对所述尺度归一化的叶片图像进行配准对齐，并计算相似度。本发明通过获取叶片轮廓信息以及叶柄点和叶尖点信息并将其分别进行配准对齐，从而提高了相似度的准确率。

本发明授权基于语义分割和关键点检测的叶片相似度度量方法及装置在权利要求书中公布了：1.基于语义分割和关键点检测的叶片相似度度量方法，其特征在于，包括下述步骤： 对采集到的叶片图像进行标注，得到标注好的叶片图像； 将所述标注好的叶片图像输入至预先设立的融合网络模型中进行训练，得到训练好的融合网络模型，并获得叶片图像的轮廓信息和两端端点信息；所述融合网络模型是使用ResNet作为骨干网络提取叶片图像的特征信息，包括MaskR-CNN分支和SimpleBaselines分支，所述MaskR-CNN分支用于获取叶片的轮廓信息；所述SimpleBaselines分支用于获取叶片的两端端点信息； 根据所述叶片图像的轮廓信息和两端端点信息，对叶片图像进行尺度归一化，得到归一化的叶片图像； 对所述尺度归一化的叶片图像进行配准对齐，并计算相似度； 所述对所述尺度归一化的叶片图像进行配准对齐，具体为： 设两张叶片图像分别为A和B，假设对图像A进行处理，以使图像A中叶片叶柄点和叶尖点分别对齐图像B中叶片叶柄点和叶尖点； 叶柄点配准对齐：设图像A中叶片叶柄点的像素点坐标为x,y，图像B中叶片叶柄点的像素点坐标为x′,y′，则要使两个叶柄点像素坐标相同，需要将图像A中叶片沿x轴平移Δx＝x′-x，沿y轴平移Δy＝y′-y，从而使得两张图像的叶片叶柄点在同一像素坐标位置； 叶尖点配准对齐：设图像A中的叶片叶尖点的像素点坐标为m,n，已配准的叶柄点的像素点坐标为m0,n0,则要使两张图像中的叶片叶尖点对齐，需要对图像A以m0,n0为旋转中心作如下旋转，m′,n′为图像A旋转后的叶片叶尖点像素点坐标： 该方程表示一个二维空间中以点m0,n0为中心逆时针旋转θ角度后的坐标变换，θ通过余弦定理方法计算，设两叶尖点坐标分别为m1,n1、m2,n2,则： 其中 其中，a、b和c为余弦定理的三边长度； 经过上述坐标变换，使图像旋转到相应位置，从而两张叶片的叶柄点和叶尖点分别对齐。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。