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！

龙图腾网获悉中国热带农业科学院南亚热带作物研究所;黑龙江八一农垦大学申请的专利基于融合迁移网络的菠萝苗夹持点定位方法及装置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：CN121053375B 。

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：202511586930.4，技术领域涉及：G06V10/25；该发明授权基于融合迁移网络的菠萝苗夹持点定位方法及装置是由孙海天;张伟;亓立强;李海亮;薛忠;王宏轩;邹华芬设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本基于融合迁移网络的菠萝苗夹持点定位方法及装置在说明书摘要公布了：本发明公开了一种基于融合迁移网络的菠萝苗夹持点定位方法及装置，本发明涉及农业自动化技术领域，包括以下步骤：通过开源物理仿真引擎生成模拟菠萝苗图像数据，形成源域，并提取其几何特征及像素特征。接着，采集实际菠萝苗图像形成目标域，并提取目标域特征。构建多尺度对抗迁移网络，对源域中菠萝苗部位进行标注，并进行训练，以获取预测概率分布。基于源域与目标域的最大相似度调整源域图像权重，优化网络损失函数。最后，输入待夹持菠萝苗图像及特征，输出标注图像以确定夹持范围，并采集该范围内高光谱图像以读取成分含量，从而实现精确夹持点定位，提高了夹持的成功率。

本发明授权基于融合迁移网络的菠萝苗夹持点定位方法及装置在权利要求书中公布了：1.一种基于融合迁移网络的菠萝苗夹持点定位方法，其特征在于，具体步骤包括： 基于开源物理仿真引擎生成若干模拟菠萝苗图像数据，将模拟菠萝苗图像数据记为源域图像，以形成源域，提取源域图像中菠萝苗的几何特征参数及像素特征，采集菠萝种植区域的实际菠萝苗图像形成目标域，并提取目标域图像中菠萝苗的几何特征参数及像素特征； 构建多尺度对抗迁移网络，对源域图像中菠萝苗不同部位进行标注，形成标注图像，以源域图像及其中菠萝苗的几何特征参数和像素特征为输入，以对应标注图像为标签，对多尺度对抗迁移网络进行训练，并获取训练过程中每个源域图像内各像素点归属部位的预测概率分布； 基于源域图像中菠萝苗的几何特征参数及像素特征，计算各源域图像与目标域的最大相似度，根据最大相似度与预测概率分布调整不同源域图像的权重，并基于不同源域图像的权重优化多尺度对抗迁移网络的损失函数； 采集待夹持菠萝苗图像并提取其中菠萝苗的几何特征参数及像素特征，将待夹持菠萝苗图像及其中菠萝苗的几何特征参数和像素特征输入完成训练的多尺度对抗迁移网络中，输出标注图像，将标注为功能叶基区的部位作为夹持范围，并采集夹持范围内菠萝苗的高光谱图像，读取夹持范围内菠萝苗的成分含量，根据菠萝苗的成分含量分布确定精确夹持位置； 根据最大相似度与预测概率分布调整不同源域图像的权重具体方法包括： 获取源域图像与目标域的最大相似度和所有源域图像与目标域的最大相似度中的最大值，同时获取源域图像的平均概率熵和所有源域图像的平均概率熵中的最大值，将源域图像的平均概率熵与所有源域图像与目标域的最大相似度中的最大值的乘积作为第一权重影响系数； 将比例控制常数、所有源域图像的平均概率熵中的最大值和源域图像与目标域的最大相似度的乘积作为第二权重影响系数； 将第一权重影响系数与第二权重影响系数的比值定义为第三权重影响系数，将常数1与第三权重影响系数的差值作为该源域图像的权重； 基于不同源域图像的权重优化多尺度对抗迁移网络的损失函数具体所依据的逻辑为：获取同一训练批次内，某一张源域图像中分类错误的像素点占比，将分类错误的像素点占比与该源域图像对应权重的乘积作为该源域图像的损失系数； 计算同一训练批次内所有源域图像的损失系数平均值作为优化后的损失函数值。

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热带农业科学院南亚热带作物研究所;黑龙江八一农垦大学，其通讯地址为：524088 广东省湛江市麻章区湖秀路；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。