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！

龙图腾网获悉北京师范大学申请的专利一种基于深度学习的植物根系识别与测量分析方法及设备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：CN121033555B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511559198.1，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的植物根系识别与测量分析方法及设备是由付永硕;吴子晗;王楠设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于深度学习的植物根系识别与测量分析方法及设备在说明书摘要公布了：本发明公开了一种基于深度学习的植物根系识别与测量分析方法，获取根系图片；构建根系识别模型，根系识别模型包括U‑Net模型，跳跃连接中串接有卷积注意力模块，解码器的最后一级上采样阶段输出的特征图分别输入到输出层和轻量边缘辅助头；计算根系总长度、根系投影面积、平均根径、根系总表面积和根系总体积。本发明在复杂背景下展现出卓越的分割性能。编码器‑解码器中的跳跃连接中串接卷积注意力模块，有效解决了传统分割方法在根系细微结构识别中的信息丢失问题。通道注意力与空间注意力的协同作用，使模型能够自适应地聚焦于根系关键区域，显著抑制土壤颗粒、水分反光等干扰因素的影响。

本发明授权一种基于深度学习的植物根系识别与测量分析方法及设备在权利要求书中公布了：1.一种基于深度学习的植物根系识别与测量分析方法，其特征在于，包括以下步骤： 步骤1、获取根系图片，基于根系图片生成训练集、验证集与测试集； 步骤2、构建根系识别模型，根系识别模型包括U-Net模型，U-Net模型包括编码器、解码器和输出层，编码器和解码器分别包括相同阶段数的下采样阶段和上采样阶段，上采样阶段和下采样阶段之间通过跳跃连接，跳跃连接中串接有卷积注意力模块，卷积注意力模块包括串联的通道注意力子模块和空间注意力子模块，解码器的最后一级上采样阶段输出的特征图分别输入到输出层和轻量边缘辅助头，构建损失函数，基于训练集对根系识别模型进行训练； 步骤3、将待识别的根系图片输入到上述训练完成的根系识别模型，获得根系识别图片， 所述步骤3还包括根系测量与输出步骤，根系测量与输出步骤包括： 步骤3.1、二值化步骤： 对根系识别图片进行二值化，获得根系二值图片； 步骤3.2、骨架化处理步骤： 步骤3.2.1、将根系二值图像作为初始的骨架图像，骨架图像中的所有前景像素点作为候选像素点删除集合，设定最大迭代次数，定义前景像素点S的8邻域 步骤3.2.2、在每一次迭代中对骨架图像中各个前景像素点S进行扫描，并依据以下保护约束条件判断前景像素点S是否为可删除点： 保护约束条件1：在候选像素点删除集合中，计算前景像素点S与最近分支点或端点的测地距离，测地距离和预设测地距离阈值比较：若测地距离低于预设测地距离阈值，则将前景像素点S加入到保护集中暂不删除； 保护约束条件2：若前景像素点S的3个互不相邻方向上均存在前景像素点，则前景像素点S禁止删除； 保护约束条件3：若前景像素点S只有一个前景邻居像素点，将其加入保护集，禁止在本轮及后续迭代中删除； 步骤3.2.3、在当前迭代中，将所有未被保护约束条件判定为暂不删除、禁止删除、以及禁止在本轮及后续迭代中删除的前景像素点S的值从255设置为0； 步骤3.2.4、完成一个迭代后，更新骨架图像，检查此次迭代中是否删除了任何前景像素点，如果前景像素点相比没有发生变化，或者已达到最大迭代次数，则进入步骤3.2.5；如果前景像素点相比发生变化且没有达到最大迭代次数，则更新骨架图像，返回步骤3.2.2； 步骤3.2.5、输出最终的骨架图像。

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北京师范大学，其通讯地址为：100088 北京市海淀区新街口外大街19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。