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！

龙图腾网获悉武汉工程大学申请的专利一种基于最优传输的田间棉花计数与定位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：CN116342574B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310374489.8，技术领域涉及：G06T7/00；该发明授权一种基于最优传输的田间棉花计数与定位方法是由李亚楠;黄雨涵;刘弈飞设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于最优传输的田间棉花计数与定位方法在说明书摘要公布了：本发明提供了一种基于最优传输的田间棉花计数与定位方法，以田间棉花图像为处理对象，构建基于最优传输的网络模型。首先以VGG19为主干框架提取特征，引入坐标注意力机制捕获特征图中位置信息；然后基于最优传输理论计算预测密度图与ground‑truth点图之间的传输代价；最后以此作为损失函数监督密度图回归，进而实现田间棉花计数与定位。保存模型后实时对田间棉花进行计数与定位，为农业精细化智能管理手段提供重要依据。

本发明授权一种基于最优传输的田间棉花计数与定位方法在权利要求书中公布了：1.一种基于最优传输的田间棉花计数与定位方法，其特征在于：包括以下步骤： S1：获取田间棉花图像，经过筛选后构建棉花图像数据集，包括训练集和测试集； S2：构建基于最优传输的JCCLNet网络模型；JCCLNet网络模型包括特征提取模块和密度图回归模块； 特征提取模块以VGG19为主干框架提取特征，引入坐标注意力机制捕获特征图中的位置信息，用于提取图像的深度特征； 特征提取模块包括VGG19基础模块、坐标注意力模块和回归层； VGG19基础模块包括16层卷积层和最后3层全连接层；使用VGG19基础模块作为特征提取器，输入尺寸为H×W×3的图像，经过四组卷积之后得到尺寸分别为、、、的特征图像； 然后利用坐标注意力模块将位置信息嵌入到通道注意力中，生成具有位置信息的特征图； 在回归层上采样后，进行两次通道降维，输出尺寸大小为的初始密度图； 密度图回归模块基于最优传输理论优化经过特征提取模块后的特征图即初始预测密度图，通过求解初始预测密度图与ground‑truth点标注图之间的最优传输方案，计算传输代价作为损失函数监督密度图回归； 密度图回归模块运算的具体步骤为： 将预测密度图和ground‑truth点标注视为两个概率分布； 设n 为标注点个数，x i表示第i 个标注点，p i为位置x i处的质量即该点人数，定义每个标注点人数为1，则ground‑truth图；将ground‑truth点标注图定义为： ； 设m 为密度图像素个数，y j是预测密度图中第j 个像素点，d j是像素点y j处的质量即该像素点人数，密度图；将预测密度图定义为： ； 设矩阵C表示单位质量的传输代价，即C的第i 行、第j 列元素C i,j表示将一单位质量从x i处搬运到y j处的代价： ； 设矩阵T表示将分布转换为分布的最优传输方案；T的第i 行、第j 列元素表示将处质量中的的量搬运到处；以两个分布和作为最优传输问题的输入，将转换为的传输代价定义如下： 1； 设为正则化系数，用于决定正则化的强弱；引入正则化最优传输，在式1中加入熵正则化项： 2； 定义，则存在对角矩阵使3；对未知向量和，在传输问题2的约束中插入方程3得出以下两个关系： ，；通过Sinkhorn算法迭代计算和，直到和都收敛到一个最终值；最后根据和计算得到传输矩阵，以传输矩阵下的传输代价为损失监督密度图回归； S3：初始化模型参数，将训练集输入到JCCLNet网络模型进行参数调整； S4：将测试集中的棉花图像输入到JCCLNet网络模型中，输出棉花的计数结果和定位结果，并计算计数误差和定位精度，以验证模型的有效性； S5：将实时获取的棉花图像输入至训练好的JCCLNet网络模型，输出结果即为棉花计数与定位结果。

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武汉工程大学，其通讯地址为：430074 湖北省武汉市洪山区雄楚大街693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。