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！

龙图腾网获悉山东科技大学申请的专利语义原型驱动图注意力网络的作物三维点云枝叶分离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：CN120599246B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510579488.6，技术领域涉及：G06V10/26；该发明授权语义原型驱动图注意力网络的作物三维点云枝叶分离方法是由杨俊涛;杨安浩;张宇涛;刘丹丹;李振海;白波;李国卫设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本语义原型驱动图注意力网络的作物三维点云枝叶分离方法在说明书摘要公布了：本发明为语义原型驱动图注意力网络的作物三维点云枝叶分离方法，涉及植物高通量表型分析和三维计算机视觉技术领域，采用随机下采样与注意力池化机制提取局部几何特征，通过随机生成池化索引降低点云规模，并利用几何拓扑编码对邻域特征进行加权聚合，基于K‑近邻算法构建动态拓扑结构，通过图注意力网络多层次地聚合节点特征，建立几何差异感知与特征关联的双重约束，实现局部与全局上下文信息的深度整合，利用基于注意力加权的K‑近邻插值对低分辨率特征逐步上采样重建高分辨率特征，并通过跳跃连接与编码阶段对应的高分辨率特征进行加权融合，通过类间可分性判别优化函数改善类别特征空间的分布结构，保证特征分布的稳定性。

本发明授权语义原型驱动图注意力网络的作物三维点云枝叶分离方法在权利要求书中公布了：1.语义原型驱动图注意力网络的作物三维点云枝叶分离方法，其特征在于：构建多层次特征编码模块、特征增强模块、特征解码模块和优化模块； 所述多层次特征编码模块采用随机下采样与注意力池化机制，提取局部几何特征，通过随机生成池化索引降低点云规模，并利用几何拓扑编码对邻域特征进行加权聚合； 所述特征增强模块基于K-近邻算法构建动态拓扑结构，通过图注意力网络多层次地聚合节点特征，建立几何差异感知与特征关联的双重约束，实现局部与全局上下文信息的深度整合； 所述特征解码模块利用基于注意力加权的K-近邻插值对低分辨率特征逐步上采样重建高分辨率特征，并通过跳跃连接与编码阶段对应的高分辨率特征进行加权融合； 所述优化模块通过类间可分性判别优化函数改善类别特征空间的分布结构，从类内聚合项、类间分离项和质心约束项三个方面增强同类点的聚合性； 计算每个类别的类质心ck，并施加约束，使所有属于该类别的样本特征向量ej向类质心靠拢，如果样本与类质心的距离超出阈值τintra，则会产生惩罚，类内聚合损失定义如下： 其中，C表示类别总数，表示第c类的特征质心，ej表示第c类中第j个点的特征，Nc表示第c类中的样本数量，ReLU表示取正值操作,当输入值为负时取值为0，否则返回原输入值； 类间分离项 其中，分别表示类别c和类别n的质心，表示两类质心之间的欧式距离； 质心约束项 判别损失的总目标定义为： 其中，δ，β，γ为权重系数。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。