Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连大学;觅视科技(大连)有限公司宋传鸣获国家专利权

大连大学;觅视科技(大连)有限公司宋传鸣获国家专利权

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!

龙图腾网获悉大连大学;觅视科技(大连)有限公司申请的专利区域感知与轻量级混合Transformer网络的苹果叶片病害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:CN119810560B

龙图腾网通过国家知识产权局官网在2025-12-12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:202510030284.7,技术领域涉及:G06V10/764;该发明授权区域感知与轻量级混合Transformer网络的苹果叶片病害分类方法是由宋传鸣;徐健;王建军;汪祖民设计研发完成,并于2025-01-08向国家知识产权局提交的专利申请。

区域感知与轻量级混合Transformer网络的苹果叶片病害分类方法在说明书摘要公布了:本发明公开一种区域感知与轻量级混合Transformer网络的苹果叶片病害分类方法。首先,利用区域提取和细粒度卷积编码模块抑制低频背景和动态光照的干扰,并自适应地感知叶片区域及病害区域;其次,设计了并行级联结构的轻量级Transformer块提取多尺度纹理和边缘特征,并以跳跃连接方式实现最佳特征尺度的自适应选择、长距离依赖关系的挖掘和跨尺度的信息交互与融合;然后,采用基于自适应学习的特征加权、倒残差机制和通道注意力增强网络对区域特征信息的关注程度,提取苹果叶片区域的丰富的纹理细节特征;最后,联合采用加权的交叉熵损失函数和焦点损失函数提高网络的泛化能力。实验结果验证了本发明的有效性。

本发明授权区域感知与轻量级混合Transformer网络的苹果叶片病害分类方法在权利要求书中公布了:1.一种区域感知与轻量级混合Transformer网络的苹果叶片病害分类方法,其特征在于,包括以下步骤: 步骤1:建立并初始化用于苹果叶片病害分类的深度卷积神经网络Napple;所述深度卷积神经网络Napple包括:目标区域感知子网络Nobj、图像细粒度特征提取子网络Nstem、特征融合子网络Nfusion、4个图像局部特征提取子网络,分别记为Nlocal1、Nlocal2、Nlocal3、Nlocal4、3个图像全局特征提取子网络,分别记为Nglobal1、Nglobal2、Nglobal3、3个局部特征与全局特征融合子网络,分别记为NMerge1、NMerge2与NMerge3、通道注意力模块MECA以及分类头模块Mclassifier; 步骤2:输入苹果叶片病害图像的训练集以及人工已标注的标签集Clabel,对深度卷积神经网络Napple进行训练,获取训练后的深度卷积神经网络Napple;所述训练集共有NtestImg幅图像,并令迭代次数iter←1、计数器ind←1; 步骤3:输入待处理的苹果叶片病害图像I,所述待处理的苹果叶片病害图像I的颜色空间为RGB;根据所述步骤2获取的训练后的深度卷积神经网络Napple对待处理的苹果叶片病害图像I的病害类别进行预测。

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大连大学;觅视科技(大连)有限公司,其通讯地址为:116622 辽宁省大连市金州新区学府大街10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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。