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！

龙图腾网获悉梧州学院;广西大学申请的专利一种适用于水稻茎秆截面小维管束检测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：CN120496063B 。

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：202510566498.6，技术领域涉及：G06V20/69；该发明授权一种适用于水稻茎秆截面小维管束检测方法是由朱肖颖;王令强;庞光垚;周威余;李建国;曾庆湖;黄家达;周海宇;邓家伟;杨明冲;黄晓进;黄家梁;黄楗桦设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种适用于水稻茎秆截面小维管束检测方法在说明书摘要公布了：本发明提供一种适用于水稻茎秆截面小维管束检测方法，其包括输入水稻茎秆截面显微图像；采用构建好的小维管束检测模型提取图像中的小维管束特征；输出检测到的小维管束信息；其中，构建小维管束检测模型，包括：将动态蛇形卷积模块融入到backbone网络中，以增强网络对微小物体的检测能力；采用多尺度特征融合机制，融合backbone网络与FPN、PAN结构中不同尺度的特征；使用PIoU损失函数作为模型训练的损失函数。本发明通过引入动态蛇形卷积DSConv、多尺度特征融合机制以及PIoU损失函数，显著提高了小维管束的检测精度和效率。

本发明授权一种适用于水稻茎秆截面小维管束检测方法在权利要求书中公布了：1.一种适用于水稻茎秆截面小维管束检测方法，其特征在于，包括以下步骤： 输入水稻茎秆截面显微图像； 采用构建好的小维管束检测模型提取图像中的小维管束特征； 输出检测到的小维管束信息； 其中，构建小维管束检测模型，包括：将动态蛇卷积模块融入到backbone网络中，以增强网络对微小物体的检测能力；采用多尺度特征融合机制，融合backbone网络与FPN、PAN结构中不同尺度的特征；使用PIoU损失函数作为模型训练的损失函数； 将动态蛇卷积模块融入到backbone网络的C2f模块中，包括：将C2f模块中原有的标准卷积替换为动态蛇卷积DSConv，以形成改进的C2f-DSConv模块；所述替换包括将BoottleNeck模块中的标准卷积更新为DSConv以创建改进的BoottleNeckDSConv模块，并且将动态蛇卷积DSConv用于C2f模块前后负责通道调整的卷积，以增强模型对水稻茎秆截面中小维管束的感知能力和特征信息提取能力；其中，C2f模块经过增强后转换为C2f-DSConv模块，作为Backbone网络中的特征提取组件； 所述多尺度特征融合机制包括：在FPN结构中设置的上采样模块F2、F3和F4，分别用于对FPN中不同尺度的特征层级进行上采样操作，生成高分辨率特征图；并且，所述上采样模块F2、F3和F4生成的高分辨率特征图分别与Backbone网络中的浅层特征图P2、P3和P4进行逐层拼接，形成拼接后的特征图组合P2-F2、P3-F3和P4-F4，以弥补模型在检测小型目标方面的局限性； 所述多尺度特征融合机制包括：在PAN结构中设置的卷积模块T2、T4和T5，分别对应PAN结构中的不同尺度特征层级，其中，卷积模块T2接收并处理来自上采样模块F2的特征，卷积模块T4接收并处理来自上采样模块F4或相应尺度的特征，以及卷积模块T5接收并处理来自Backbone网络或FPN的P5层级的特征；通过特征融合操作，将F2与T2、F4与T4以及P5与T5的特征进行融合，以强化自上而下的特征传递路径，增强模型对复杂语义信息的理解能力； 在原始网络的基础上引入一个特征融合模块，该特征融合模块被配置为：融合来自原始网络中不同尺度特征提取层的特征信息，特征融合模块的输出表示为以下公式： 其中，Fconcat=⊕iFi表示不同尺度特征图的拼接，Detect.表示检测头，包括卷积、非线性激活和损失计算，O是输出，包括目标分类分数和边界框回归。

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梧州学院;广西大学，其通讯地址为：540000 广西壮族自治区梧州市富民三路82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。