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！

龙图腾网获悉中储粮成都储藏研究院有限公司申请的专利基于图像识别与质量拟合的稻谷出糙率检测方法及系统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：CN121545020B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610077518.8，技术领域涉及：G06V10/98；该发明授权基于图像识别与质量拟合的稻谷出糙率检测方法及系统是由李晓亮;李炜;兰盛斌;李月;李克强;卢献礼;董德良;杨波;郭凤民;唐琦林;谢明辉设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于图像识别与质量拟合的稻谷出糙率检测方法及系统在说明书摘要公布了：本发明涉及稻谷检测技术领域，公开了一种基于图像识别与质量拟合的稻谷出糙率检测方法及系统，旨在解决现有方法存在精度较差以及依赖称重的问题，方案主要包括：预先构建质量系数映射模型；采集待检测稻谷样品及其脱壳后所得糙米样品的第一单体图像；利用预先训练的深度学习网络模型对各第一单体图像进行识别，确定稻谷品种以及糙米样品中的不完善粒，并计算待检测稻谷样品、糙米样品和不完善粒的图像总体积以及糙米样品的图像总体积、平均长宽比和平均厚度；查询质量系数映射模型，确定对应的质量系数；计算待检测稻谷样品的出糙率。本发明实现了无称重检测，并且提升了检测精度和效率，特别适用于粮食收购、加工和储藏。

本发明授权基于图像识别与质量拟合的稻谷出糙率检测方法及系统在权利要求书中公布了：1.基于图像识别与质量拟合的稻谷出糙率检测方法，其特征在于，所述方法包括： 预先构建质量系数映射模型，所述质量系数映射模型用于建立稻谷品种、稻谷样品的图像总体积及其对应糙米样品的图像总体积、平均长宽比和平均厚度与质量系数之间的映射关系；所述质量系数用于表示稻谷样品的总质量与其脱壳后所得糙米样品的总质量之间的比值； 采集待检测稻谷样品及其脱壳后所得糙米样品的第一单体图像，并对各第一单体图像进行预处理； 利用预先训练的深度学习网络模型对各第一单体图像进行识别，确定稻谷品种以及糙米样品中的不完善粒，并计算待检测稻谷样品的图像总体积V1、糙米样品的图像总体积V2、糙米样品的平均长宽比A、糙米样品的平均厚度H以及糙米样品中不完善粒的图像总体积V3； 根据识别出的稻谷品种、计算出的待检测稻谷样品的图像总体积V1以及糙米样品的图像总体积V2、平均长宽比A和平均厚度H，查询所述质量系数映射模型，确定待检测稻谷样品对应的质量系数C； 根据糙米样品的图像总体积V2、不完善粒的图像总体积V3以及质量系数C计算待检测稻谷样品的出糙率R； 所述质量系数映射模型的构建方法包括： 采集多个已知品种、已知质量的稻谷样品及其脱壳后糙米样品的第二单体图像，并对各第二单体图像进行预处理； 利用预先训练的深度学习网络对模型对各第二单体图像进行识别，计算稻谷样品的图像总体积、糙米样品的图像总体积、糙米样品的平均长宽比和糙米样品的平均厚度；同时测量稻谷样品的总质量M1和糙米样品的总质量M2； 计算稻谷样品的总质量M1与其脱壳后所得糙米样品的总质量M2之间的实际质量系数，根据实际质量系数计算每个样品对应的实际修正系数，计算公式如下： ； ； 以稻谷品种、糙米样品的平均长宽比和糙米样品的平均厚度为特征参数，以实际修正系数为目标值，通过回归算法进行拟合训练，得到修正系数K的预测模型，根据所述修正系数K的预测模型构建质量系数映射模型； 所述质量系数映射模型如下： ； 其中，，表示修正系数K的预测模型，P表示稻谷品种； 所述出糙率R的计算公式如下： 。

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储粮成都储藏研究院有限公司，其通讯地址为：610073 四川省成都市青羊区广富路239号32幢；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。