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三亚研究院;南京农业大学;南京慧瞳作物表型组学研究院有限公司申请的专利一种用于小麦出苗率和苗期均匀性计算的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：CN120876583B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511406733.X，技术领域涉及：G06T7/62；该发明授权一种用于小麦出苗率和苗期均匀性计算的方法是由秦秉希;李庆;姜东;陈佳玮;周鸿昊;范书铭;闵海江;梁少伟;黄梅;王笑;周琴;仲迎鑫;蔡剑设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本一种用于小麦出苗率和苗期均匀性计算的方法在说明书摘要公布了：本发明公开了一种用于小麦出苗率和苗期均匀性计算的方法，包括步骤：S1、对每个初始图像进行小麦幼苗外接矩形标注，得到目标检测数据集；S2、以YOLOv8为基础构建目标检测模型，将原始路径聚合网络结构替换为双向特征金字塔网络并引入特征融合机制；进行初次训练；S3、进行小麦幼苗轮廓标注，得到实例分割数据集；再以YOLOv11为基础构建实例分割模型，将原始架构替换为FasterNet架构；进行训练，获取小麦幼苗的数量和相对叶面积；S4、计算每个均匀性指标。本发明通过移动设备和在线网站进行数据采集处理，高效便捷；根据图像特点提出相对叶面积的表型数据并据此评价苗期均匀性，结果更客观；提升计算效率和准确性。

本发明授权一种用于小麦出苗率和苗期均匀性计算的方法在权利要求书中公布了：1.一种用于小麦出苗率和苗期均匀性计算的方法，其特征在于，包括如下步骤： S1、获取小麦出苗阶段的多个初始图像，利用矩形框标注法，对每个初始图像均进行小麦幼苗外接矩形标注，得到目标检测数据集；从目标检测数据集，划分出训练集和验证集； S2、以YOLOv8为基础构建目标检测模型，将YOLOv8中的原始路径聚合网络PANet结构替换为双向特征金字塔网络BiFPN，在双向特征金字塔网络BiFPN中引入特征融合机制；其中，在引入特征融合机制时，先在双向特征金字塔网络BiFPN的自顶向下与自底向上的每个路径之间建立双向连接，形成每个双向路径；移除每个双向路径中仅有单输入边的每个节点，在每个同层的输入节点和输出节点间均增加额外连接，用于将每个双向路径作为一个特征网络层；将增加额外连接的过程进行多次重复；在每个特征网络层上引入可学习权重，用于不同特征网络层的加权融合；然后，在双向特征金字塔网络BiFPN的Neck中增加检测层P2，用于预测每个小麦幼苗对应边界框的位置和大小； 将步骤S1中目标检测数据集划分的训练集输入目标检测模型进行初次训练，获得初次训练的结果； S3、利用轮廓标注法，对初次训练的结果中每个图像进行小麦幼苗轮廓标注，得到实例分割数据集；再以YOLOv11为基础构建实例分割模型，将YOLOv11中的原始架构替换为FasterNet架构，替换后的实例分割模型中包括若干个FasterNetBlock，任意FasterNetBlock均包括PConv部分卷积层和两个PWConv逐点卷积层； 将实例分割数据集输入实例分割模型进行训练，获取小麦幼苗的数量和每个小麦幼苗的相对叶面积，将小麦幼苗的数量作为小麦出苗数量，将小麦出苗数量除以小麦种子播种数量得到小麦出苗率； S4、基于每个小麦幼苗的相对叶面积，计算出对应的每个特征数据，每个特征数据包括相对叶面积的标准差、变异系数和熵值；将每个特征数据进行归一化处理；基于归一化处理的每个特征数据，计算出对应的每个均匀性指标：Uniformity=1StdDev+1CV+Entropy；其中，Uniformity为均匀性指标，StdDev为标准差，CV为变异系数，Entropy为熵值，为除法符号； 存储小麦出苗率和每个均匀性指标作为最终结果。

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南京农业大学三亚研究院;南京农业大学;南京慧瞳作物表型组学研究院有限公司，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城雅布伦产业园一号楼四楼401区；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。