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作物科学研究所申请的专利玉米种质资源生活力跨种质判别方法、系统、设备和介质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：CN120651770B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510760259.4，技术领域涉及：G01N21/25；该发明授权玉米种质资源生活力跨种质判别方法、系统、设备和介质是由辛霞;徐虎博;李炜琪;王自强;李飞;郭刚刚设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本玉米种质资源生活力跨种质判别方法、系统、设备和介质在说明书摘要公布了：本发明公开了一种玉米种质资源生活力跨种质判别方法、系统、设备和介质，涉及玉米生活力判别技术领域，方法中，得到胚区域的高光谱数据和胚乳区域的高光谱数据；并得到每个样本玉米种子的高光谱数据；对每个高光谱数据进行预处理；对每个预处理后的高光谱数据进行特征选择，并结合每个样本玉米种子的生活力标签数据对构建好的双分支光谱Transformer玉米种质跨种质生活力检测模型进行训练；利用训练好的双分支光谱Transformer玉米种质跨种质生活力检测模型，对跨种质的待判别玉米进行判别，得到跨种质的待判别玉米的生活力预测结果，本发明能够显著提升跨种质玉米种质资源生活力判别的准确性和可靠性。

本发明授权玉米种质资源生活力跨种质判别方法、系统、设备和介质在权利要求书中公布了：1.一种玉米种质资源生活力跨种质判别方法，其特征在于，包括： 获取样本玉米种质资源中的每个样本玉米种子的高光谱图像，并得到所述样本玉米种质资源中的每个样本玉米种子的生活力标签数据； 对每个样本玉米种子的高光谱图像进行阈值分割，得到每个样本玉米种子的去除背景后的高光谱图像，并对每个样本玉米种子的去除背景后的高光谱图像进行区域分割，确定胚区域的高光谱图像和胚乳区域的高光谱图像； 根据胚区域的高光谱图像和胚乳区域的高光谱图像，得到胚区域的高光谱数据和胚乳区域的高光谱数据； 从每个样本玉米种子的去除背景后的高光谱图像中，得到每个样本玉米种子的高光谱数据； 对每个高光谱数据进行预处理； 对每个预处理后的高光谱数据进行特征选择，并结合每个样本玉米种子的生活力标签数据对构建好的双分支光谱Transformer玉米种质跨种质生活力检测模型进行训练； 利用训练好的双分支光谱Transformer玉米种质跨种质生活力检测模型，对跨种质的待判别玉米进行判别，得到所述跨种质的待判别玉米的生活力预测结果； 对每个样本玉米种子的去除背景后的高光谱图像进行区域分割，确定胚区域的高光谱图像和胚乳区域的高光谱图像，包括： 通过手动标注方式，标注多个样本玉米种子的高光谱图像中的胚区域的边界和胚乳区域的边界，得到胚标注数据和胚乳标注数据； 利用多个样本玉米种子的高光谱图像，并结合胚标注数据和胚乳标注数据，对构建好的移动倒瓶颈UNet种质高光谱图像分割模型进行训练； 移动倒瓶颈UNet种质高光谱图像分割模型的数据处理过程为：样本玉米种子的去除背景后的高光谱图像经一个初始块处理后，将初始块的输出作为第一个移动翻转瓶颈卷积模块的输入，并使用卷积层对初始块的输出进行下采样操作，得到第一下采样结果，将第一下采样结果依次经过4个瓶颈模块处理后，得到第一处理结果，将第一处理结果作为第二个移动翻转瓶颈卷积模块的输入，并使用卷积层对第一处理结果进行下采样操作，得到第二下采样结果，将第二下采样结果依次经过7个瓶颈模块处理后，得到第二处理结果，将第二处理结果作为第三个移动翻转瓶颈卷积模块的输入，使用卷积层对第二处理结果进行下采样操作，得到第三下采样结果，将第三下采样结果依次经过7个瓶颈模块处理后，得到第四处理结果，并使用卷积层对第四处理结果和第三个移动翻转瓶颈卷积模块的输出进行上采样操作，得到第一上采样结果，将第一上采样结果依次经过2个瓶颈模块处理后，得到第五处理结果，并使用卷积层对第五处理结果和第二个移动翻转瓶颈卷积模块的输出进行上采样操作，得到第二上采样结果，将第二上采样结果依次经过2个瓶颈模块处理后，得到第六处理结果，并使用卷积层对第六处理结果和第一个移动翻转瓶颈卷积模块的输出进行上采样操作，得到第三上采样结果，将第三上采样结果依次经过1个瓶颈模块处理后，得到第七处理结果，使用转换卷积层对第七处理结果进行操作，得到胚区域的高光谱图像和胚乳区域的高光谱图像； 其中，初始块对输入分别进行卷积操作和最大池化操作，并对得到的两个操作结果进行拼接，得到初始块的输出； 其中，移动翻转瓶颈卷积模块对输入依次进行卷积操作、可分离卷积操作、挤压激励模块、置零层后，将该处理结果与移动翻转瓶颈卷积模块的输入进行逐元素相加，得到移动翻转瓶颈卷积模块的输出； 其中，瓶颈模块对输入进行卷积操作和非对称操作后，将得到的结果分成两路进行处理，第一路中，将结果通过3×1的卷积层和ReLU激活函数、1×3的卷积层进行处理，第二路中，对结果进行最大池化，将第一路的输出和第二路的输出依次通过ReLU激活函数和1×1的卷积层、“1×1的卷积层、ReLU激活函数和置零层进行处理，将处理结果与瓶颈模块的输入进行逐元素相加，并通过BN+ReLU激活函数，得到瓶颈模块的输出； 利用训练好的移动倒瓶颈UNet种质高光谱图像分割模型，对每个样本玉米种子的去除背景后的高光谱图像进行区域分割，确定胚区域的高光谱图像和胚乳区域的高光谱图像。

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作物科学研究所，其通讯地址为：100081 北京市海淀区中关村南大街12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。