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科学院果树研究所申请的专利一种梨品种的识别方法及其应用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：CN117315647B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311286049.3，技术领域涉及：G06V20/68；该发明授权一种梨品种的识别方法及其应用是由田路明;霍宏亮;董星光;曹玉芬;张莹;齐丹;徐家玉;刘超设计研发完成，并于2021-03-09向国家知识产权局提交的专利申请。

本一种梨品种的识别方法及其应用在说明书摘要公布了：本发明公开一种梨品种的识别方法及其应用，包括：S1、获取原始梨果实图像，进行数据处理后构建遮挡样本集、非遮挡样本集；S2、对遮挡样本集、非遮挡样本集中的梨果实图像进行轮廓提取，基于所提取的轮廓构建遮挡识别数据集；S3、基于SVM构建遮挡识别模型，并通过遮挡识别数据集对其训练；S4、基于卷积神经网络构建梨品种识别模型，并通过非遮挡样本集对其进行训练；S5、获取待识别的梨果实图像并进行轮廓提取后输入遮挡识别模型，识别为非遮挡，则通过梨品种识别模型进行梨品种识别，识别为遮挡，则基于滑动窗口以及梨品种识别模型进行梨品种识别。本发明能够对不同品种的梨进行快速准确地识别。

本发明授权一种梨品种的识别方法及其应用在权利要求书中公布了：1.一种梨品种的识别方法，其特征在于，所述识别方法基于图像识别，包括： S1、获取原始梨果实图像，并对所获取的梨果实图像进行数据处理，基于数据处理后的梨果实图像分别构建遮挡样本集、非遮挡样本集； S2、对步骤S1中得到的遮挡样本集、非遮挡样本集中的梨果实图像分别进行灰度化处理，基于灰度化处理所得到的灰度图像分别进行轮廓提取，基于所提取的轮廓构建遮挡识别数据集； S3、基于SVM构建遮挡识别模型，并通过所述遮挡识别数据集对所述遮挡识别模型进行训练，得到训练好的遮挡识别模型； S4、基于卷积神经网络构建梨品种识别模型，并通过步骤S1中所构建的非遮挡样本集对所述梨品种识别模型进行训练，得到训练好的梨品种识别模型； S5、获取待识别的梨果实图像，通过步骤S2对待识别的梨果实图像进行轮廓提取，并输入步骤S3训练好的遮挡识别模型，识别为非遮挡，则将待识别的梨果实图像输入步骤S4训练好的梨品种识别模型，得到梨品种识别结果，识别为遮挡，则基于滑动窗口以及训练好的梨品种识别模型得到梨品种识别结果； 所述步骤S4中，所述卷积神经网络包括依次连接的输入层、若干个卷积块、两个全连接层、Softmax层，两个所述全连接层之间还连接有dropout层； 所获取的原始梨果实图像为成果实熟期的RGB图像，包括若干个梨品种，且每个梨品种的梨果实图像均包括遮挡图像、非遮挡图像； 所述步骤S1中所获取的原始梨果实图像、以及步骤S5中所获取的所获取的待识别的梨果实图像均为RGB图像； 所述步骤S1中，图像处理包括如下步骤： 1对获取的梨果实图像进行标记处理，所标记内容包括梨品种、是否遮挡； 2对标记处理后的梨果实图像进行数据增强处理； 3对所获取的梨果实图像进行尺寸归一化处理； 所述步骤S2中，采用Canny边缘检测算法对灰度图像进行轮廓提取，具体包括： 采用高斯滤波对所述灰度图像进行图像平滑处理，去除噪声； 计算图像的强度梯度，得到候选边缘； 通过非极大值抑制对候选边缘进行细化处理，将候选边缘中多个像素宽的边缘变成单个像素宽的边缘； 采用双阈值的方法对细化处理后的候选边缘进行筛选及填充，得到梨果实图像中梨的边缘提取结果。

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科学院果树研究所，其通讯地址为：125100 辽宁省葫芦岛市兴城市兴海南街98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。