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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于无锚框的两阶段稻纵卷叶螟为害状图像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：CN117036960B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202311157147.7，技术领域涉及：G06V20/10；该发明授权一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法是由陈天娇;王儒敬;陈红波;张威;杜健铭;胡海瀛设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法在说明书摘要公布了：本发明涉及一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了稻纵卷叶螟为害状图像难以在复杂田间背景条件下检出的缺陷。本发明包括以下步骤：稻纵卷叶螟为害图像的获取及预处理；稻纵卷叶螟为害状检测模型的构建；稻纵卷叶螟为害状检测模型的训练；待检测图像的获取与预处理；稻纵卷叶螟为害图像检测结果的获得。本发明提出一个两阶段的检测网络，更符合田间为害状的生长环境，利用定向框更能精准定位发病区域。

本发明授权一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法在权利要求书中公布了：1.一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法，其特征在于，包括以下步骤： 11稻纵卷叶螟为害图像的获取及预处理：获取稻纵卷叶螟为害原始图像，并进行尺度归一化、随机翻转、随机旋转的预处理； 12稻纵卷叶螟为害状检测模型的构建：基于无锚框定向初始备用框产生网络构建稻纵卷叶螟为害状检测模型； 所述稻纵卷叶螟为害状检测模型的构建包括以下步骤： 121设定稻纵卷叶螟为害状检测模型包括CSPNeXt基础特征获取网络、CSPNeXtPAFPN特征增强网络、无锚框定向初始备用框产生网络和为害状最终检测框产生网络； 122设定CSPNeXt基础特征获取网络； 123设定CSPNeXtPAFPN特征增强网络； 124设定无锚框定向初始备用框产生网络； 设定无锚框定向初始备用框产生网络为一个检测头部网络，包括卷积模块和3个卷积核大小是1×1、步长大小是1的卷积，其中卷积模块包括一个卷积核大小是3×3、步长大小是1、填补大小是1的卷积、一个归一化层、一个激活函数， CSPNeXtPAFPN特征增强网络输出的三层特征，共享无锚框定向初始备用框产生网络，即三层特征使用同一个检测头部网络，除了卷积模块中的归一化层不同，最终得到三层特征的定向初始备用框预测结果： 第一层特征经过无锚框定向初始备用框产生网络得到的分别是类别卷积、回归卷积和角度卷积结果BS,1,w1,h1、BS,4,w1,h1和BS,1,w1,h1，将卷积结果进行解码得到第一层的定向预测框P1，BS为批处理的图像张数， 第二层特征经过无锚框定向初始备用框产生网络得到的分别是类别卷积、回归卷积和角度卷积结果BS,1,w2,h2、BS,4,w2,h2和BS,1,w2,h2,进行解码得到第二层的定向预测框P2， 第三层特征经过无锚框定向初始备用框产生网络得到的分别是类别卷积、回归卷积和角度卷积结果BS,1,w3,h3、BS,4,w3,h3和BS,1,w3,h3，进行解码得到第三层的定向预测框P3， 至此得到无锚框定向初始备用框产生网络的定向初始备用框； 125设定为害状最终检测框产生网络： 设定为害状检测框获取模块包括特征对齐模块和最终检测模块，将无锚框定向初始备用框产生网络得到的定向初始备用框在不同层进行最大值抑制后取至多topK个框通过特征对齐模块使得所有的定向初始备用框的特征区域均变成尺寸大小统一和通道数量统一的特征图ks*ks*256，然后使用最终检测模块中的2个全连接执行分类和回归进行微调得到最终的定向检测框； 13稻纵卷叶螟为害状检测模型的训练：将预处理后的稻纵卷叶螟为害图像输入稻纵卷叶螟为害状检测模型进行训练； 14待检测图像的获取与预处理：获取待检测的稻纵卷叶螟为害图像并进行预处理； 15稻纵卷叶螟为害图像检测结果的获得：将预处理后的待检测稻纵卷叶螟为害图像输入训练后的稻纵卷叶螟为害状检测模型，获得稻纵卷叶螟为害图像检测结果。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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。