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！

龙图腾网获悉南京农业大学申请的专利基于图谱融合的作物生长环境感知与叶绿素含量检测装置及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：CN120801223B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202511308560.8，技术领域涉及：G01N21/27；该发明授权基于图谱融合的作物生长环境感知与叶绿素含量检测装置及检测方法是由汪小旵;王得志;陈彦宇;施印炎;张晓蕾设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本基于图谱融合的作物生长环境感知与叶绿素含量检测装置及检测方法在说明书摘要公布了：本发明提供一种基于图谱融合的作物生长环境感知与叶绿素含量检测装置及其使用方法，装置以铝制防水外壳构建防护主体，通过电源供电，内部集成树莓派开发板、驱动板总成协同工作；微型相机与微型光谱仪分别负责采集作物彩色图像与光谱数据，配合补光系统，保障数据获取质量；通过连接总成整合数据，基于移动轻量化作物背景分类模型MLCBC‑net对图像进行背景分类，识别出清澈、浑浊及绿藻覆盖背景，之后调用对应叶绿素含量检测模型，并将背景分类和叶绿素含量检测结果在触摸屏上呈现。本发明解决了复杂背景干扰问题，实现了作物叶绿素含量高精度检测，为作物精准栽培管理提供有力支持，推动了智慧农业进步。

本发明授权基于图谱融合的作物生长环境感知与叶绿素含量检测装置及检测方法在权利要求书中公布了：1.一种利用基于图谱融合的作物生长环境感知与叶绿素含量检测装置的基于图谱融合的作物生长环境感知与叶绿素含量检测方法，其特征在于，装置包括固定在触摸屏固定防水壳2内的触摸屏1，触摸屏1用于显示检测结果和操作界面，触摸屏固定防水壳2、铝制防水外壳3以及手持铝制防水壳4共同构成检测装置外壳；还包括安装在手持铝制防水壳4上的微型相机5、微型光谱仪6、驱动板总成7、树莓派开发板8、连接总成9、电源10、补光系统，树莓派开发板8上搭载有移动轻量化作物背景分类模型MLCBC-net和针对不同背景的作物叶绿素含量检测模型，用于对采集的图像进行背景分类，并根据分类结果选择相应的检测模型计算叶绿素含量； 基于图谱融合的作物生长环境感知与叶绿素含量检测方法包括如下过程： 步骤1：在触摸屏1操作界面中，设置积分时间、光照强度、平均次数； 步骤2：握住手持铝制防水壳4，利用微型相机5和微型光谱仪6分别采集作物彩色图像和光谱图像数据，并将数据传递至树莓派开发板8； 步骤3：树莓派开发板8通过MLCBC-net对采集的作物彩色图像进行分类，得到作物背景类型，同时利用MLCBC-net中的作物叶绿素自适应空间缩减分组查询注意力模块，即CCA-SR-GQA模块，对光谱图像进行处理； 步骤4：树莓派开发板8根据得到的作物背景类型，选择内部存储的对应的叶绿素含量检测模型进行叶绿素含量检测； 步骤5：树莓派开发板8利用所选的叶绿素含量检测模型，对微型光谱仪6采集的光谱图像进行处理，计算作物叶绿素含量； 步骤6：树莓派开发板8发送结果信息至触摸屏1进行结果可视化展示； 所述步骤3中，MLCBC-net的结构包括4部分，即4个阶段，每个阶段包括不同的模块，作物彩色图像依次经过MLCBC-net四个阶段进行处理； MLCBC-net具体布置如下： 阶段1：输入为4482×3的Conv2D模块、输入为2242×32的FusedIB模块、输入为1122×48的FusedIB模块； 阶段2：输入为562×80的ExtraDW模块、输入为282×160的InvertedBottleneck模块、输入为282×160的CCA-SR-GQA模块、输入为282×160的InvertedBottleneck模块、输入为282×160的CCA-SR-GQA模块、输入为282×160的InvertedBottleneck模块、输入为282×160的CCA-SR-GQA模块、输入为282×160的InvertedBottleneck模块、输入为282×160的CCA-SR-GQA模块、输入为282×160的ConvNext模块； 阶段3：输入为282×160的ExtraDW模块、输入为142×256的ExtraDW模块、输入为142×256的CCA-SR-GQA模块、输入为142×256的InvertedBottleneck模块、输入为142×256的CCA-SR-GQA模块、输入为142×256的InvertedBottleneck模块、输入为142×256的CCA-SR-GQA模块、输入为142×256的InvertedBottleneck模块、输入为142×256的CCA-SR-GQA模块、输入为142×256的InvertedBottleneck模块； 阶段4：输入为142×256的Conv2D模块、输入为142×256的AvgPool模块、输入为12×960的Conv2D模块、输入为12×1280的Conv2D模块； 基于MLCBC-net将作物背景分为清澈背景、浑浊背景和绿藻覆盖背景； 所述步骤3中，CCA-SR-GQA模块的公式为： 其中，Concat·为多注意力头headi的特征拼接，i＝1，……，n；B为背景类型编码向量；WO、为可学习权重矩阵； 其中，Q、K、V为图像特征的查询、键、值；S为光谱特征；dk为维度调整参数；Attention·表示注意力机制；为各部分的可学习权重矩阵；·T为矩阵转置运算；SR·为空间缩减注意力，其定义如下： 其中，Norm·为层标准化；Reshape·,·为维度调整操作；R、RS分别为图像特征和光谱特征的缩减比；为可学习权重矩阵；⊙为逐元素乘法。

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南京农业大学，其通讯地址为：210000 江苏省南京市江北新区滨江大道666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。