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！

龙图腾网获悉云南省林业和草原科学院申请的专利切梢小蠹检测识别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：CN119992155B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411812183.7，技术领域涉及：G06V10/764；该发明授权切梢小蠹检测识别方法是由陈鹏;冯丹;徐元全;李浩然设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本切梢小蠹检测识别方法在说明书摘要公布了：本发明涉及虫害检测技术领域，具体为一种切梢小蠹检测识别方法，基于切梢小蠹检测识别仪实现，所述识别仪包括壳体、屏幕、处理单元和电源，所述屏幕、处理单元和电源模块依次电性连接，识别方法包括检测模型和分类模型两部分，其中检测模型采用YOLOv5s.pt作为预训练模型，分类模型采用ResNet50作为预训练模型，两者结合后，不仅充分发挥了yolo系列算法在目标检测任务中的优势，也体现了ResNet在图片分类中较强的性能，两者结合运用不仅识别分类的效率大幅提高，而且也保持了较高的准确率。

本发明授权切梢小蠹检测识别方法在权利要求书中公布了：1.切梢小蠹检测识别方法，其特征在于该方法基于切梢小蠹检测识别仪实现，所述识别仪包括壳体、屏幕、处理单元和电源，所述屏幕、处理单元和电源模块依次电性连接，识别仪采集带有不同类型的切稍小蠹图像信息，识别方法包括检测模型和分类模型两部分，其中检测模型的获得步骤为： 1模型选择:选择YOLOv5s.pt作为预训练模型； 2冻结策略：初期训练时，冻结用于捕捉通用特征的底层，底层特征包括切梢小蠹边缘、角点、线条、颜色和纹理的通用结构，高层保持可训练，高层特征为切稍小蠹弯曲的轮廓边缘信息和鞘翅斜面、躯体上的纹理信息；模型趋于收敛后，解冻用于捕捉通用特征的底层和中层，以提升对纹理和边缘信息的适应性； 3多尺度特征融合：YOLOv5模型中嵌入FPN，引入GFPN强化多尺度特征表达，同时结合BiFPN引入双向特征流； 4模型压缩：在训练过程中引入L1正则化对权重进行稀疏化；再通过评估卷积核和特征的重要性，剪除对最终输出影响较小的卷积核或特征通道； 5检测层优化：使用更鲁棒的分类损失函数FocalLoss处理正负样本不平衡问题，优化边界框回归损失，采用DIoU提升回归精度； 6训练策略：采用CosineAnnealing策略，学习率从初始值逐步降低至接近零；在训练初期采用Warm-up策略，逐渐增加学习率； 其中分类模型的获得步骤为： 1模型选择：采用ResNet50作为改进分类算法的基础网络模型； 2模型轻量化：在切梢小蠹分类模型的残差模块中引入DS以替代ResNet50的标准卷积； 3提高分类准确率策略：在ResNet50网络中的每一个Layer部分的残差模块中引入ECA，使网络聚焦于关键特征，从而提高主要特征的区分能力，抑制次要的特征；将ResNet50网络中的全连接层替换为MobileNetV3分类器；将ResNet50网络中ReLU激活函数替换为PReLU激活函数。

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云南省林业和草原科学院，其通讯地址为：650000 云南省昆明市盘龙区蓝桉路2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。