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！

龙图腾网获悉四川轻化工大学申请的专利一种基于形态学感知的无人机茶树病害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：CN121214282B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511793051.9，技术领域涉及：G06V20/17；该发明授权一种基于形态学感知的无人机茶树病害检测方法是由唐宇峰;付海嘉;胡伟;阿海木沙;屈朝阳;刘铭煊;曹耀匀;胡蓉设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于形态学感知的无人机茶树病害检测方法在说明书摘要公布了：本发明提供了一种基于形态学感知的无人机茶树病害检测方法，属于农业信息与计算机视觉技术领域。该方法首先采集茶园图像并构建数据集；随后，构建嵌入可微分形态学感知器模块的目标检测网络，该模块利用可微分形态学操作提取多尺度形状特征；在训练中引入对抗学习机制，通过判别器增强模型对病害与健康区域的区分能力；训练完成后，基于形态学特征与病害原型向量的余弦距离挖掘难例样本进行补充训练；最后，集成多个性能最优的模型，通过加权推理生成最终检测结果。本发明有效强化了模型对病害细微形态特征的感知能力，解决了复杂茶园背景下病害检测精度低与难例样本学习不足的问题，显著提升了检测的准确性与鲁棒性。

本发明授权一种基于形态学感知的无人机茶树病害检测方法在权利要求书中公布了：1.一种基于形态学感知的无人机茶树病害检测方法，其特征在于，包括以下步骤： 步骤S1：通过无人机采集茶园RGB图像，进行尺寸归一化处理，并对图像中的病害区域进行边界框标注以划分病害类别，进而将数据集划分为训练集、验证集和测试集； 步骤S2：以单阶段目标检测网络为基准框架，构建嵌入可微分形态学感知器模块的主检测网络： 步骤S3：利用步骤S1所述训练集对所述主检测网络进行初始训练，通过引入轻量级判别器D，对步骤S2所述可微分形态学感知器模块输出的形态学增强特征图F进行对抗性学习，并基于验证集性能选择初始训练的最优模型； 步骤S4：利用步骤S3所述的最优模型，根据其提取的深度形态学特征，从训练集中自动挖掘出与典型病害形态差异最大的K个难例样本； 步骤S5：将步骤S4所述难例样本加入训练集，对步骤S3所述最优模型进行补充训练；随后，将初始训练与补充训练得到的所有模型组成模型集合，从中选取在验证集上性能最优的N个模型，并制定相应的加权集成策略； 步骤S6：利用步骤S5制定的加权集成策略，对步骤S1中构建的测试集进行加权推理，生成病害检测结果； 步骤S2中，所述主检测网络中，于至少包括一个下采样率为132的特征层以及至少两个下采样率不低于116的特征层之后，分别嵌入可微分形态学感知器模块；每一个所述可微分形态学感知器模块以其所嵌入的特征层输出的特征图作为输入，并利用可微分形态学操作提取多尺度形状特征； 步骤S4中，所述难例样本，其判定的具体过程为： 步骤S41：在模型训练完成后，前向传播所有训练图像，并提取位于下采样率为132的特征层之后的可微分形态学感知器模块输出的特征图； 步骤S42：对所有训练图像中，步骤S1中标注的病害区域边界框区域，即真实病害区域对应的特征图进行全局平均池化，得到与每一张训练图像对应的病害区域特征向量；随后，计算所有这些病害区域特征向量的算术平均值，构建一个病害形态学原型向量； 步骤S43：计算每个训练样本中真实病害区域对应的特征图经全局平均池化后的特征向量与所述病害形态学原型向量的余弦相似度； 步骤S44：将余弦相似度最低的K个样本，判定为形态学难例，其中K为预设的正整数。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。