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！

龙图腾网获悉南京农业大学申请的专利基于图像和近红外光谱表型的秧苗品质分级监测装置与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：CN115512160B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211200115.6，技术领域涉及：G06V10/764；该发明授权基于图像和近红外光谱表型的秧苗品质分级监测装置与方法是由朱鼎龙设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于图像和近红外光谱表型的秧苗品质分级监测装置与方法在说明书摘要公布了：本发明公开了一种基于图像和近红外光谱表型的秧苗品质分级监测装置与方法，所述监测装置包括：桁架、摄像机模块、近红外光谱传感器模块、开发板、分类动作装置、降压板、蓄电池和API服务器；所述监测方法包括：通过摄像机获取秧苗的RGB图像，通过对图像处理获取包括叶面大小、叶脉长度、黄叶病斑面积等量化数据，再通过近红外光谱传感器模块获取光谱曲线，并通过信号处理提取量化数据，然后将数据进行处理和分类，载入到分类模型中进行分类，得出秧苗的品质情况。本发明实现了黑盒式的接口访问并实现无主机化，减小装置体积和成本并提高了算法的运行速度；通过手机APP开发和网页端等上位机开发，实现了硬件装置的挂载性同时减少了学习成本。

本发明授权基于图像和近红外光谱表型的秧苗品质分级监测装置与方法在权利要求书中公布了：1.基于图像和近红外光谱表型的秧苗品质分级监测方法，其特征在于包括如下步骤： 步骤1：通过yolov5s训练方法进行训练得到识别模型；通过SVM机器学习训练得到分类模型；所述识别模型训练过程如下： 步骤101：随机选择一定数量的秧苗并进行筛选，将其分为A、B、C三个不同品质组别； 步骤102：对各组的秧苗从顶部拍摄RGB图像，得到秧苗图片样本集； 步骤103：对所有秧苗图片中的秧苗主体进行框选，并标记统一标签，生成内含选框四角的坐标和标签的文本文件； 步骤104：将图片和标签文本文件一一对应作为数据集，按照比例将其分成训练集和测试集两部分； 步骤105：设置训练程序，将数据集作为输入，并选择yolov5s训练方法模型进行训练；训练完成后查看训练结果报告，直至实际秧苗识别率达90％以上； 所述分类模型的学习训练过程如下： 步骤106：对步骤102中得到的秧苗图片样本集进行图像预处理； 步骤107：对样本集进行颜色增强； 步骤108：对样本集进行表型遮罩Mask提取； 步骤109：对样本集进行表型遮罩Mask边缘检测； 步骤110：对样本集进行表型图片量化； 步骤111：获取秧苗叶片的近红外光谱； 步骤112：进行一阶导光谱计算，计算公式：其中：Lw为近红外光谱曲线，L′w光谱曲线一阶导函数，w0为取样点横坐标，求出采样点一阶导数作为光谱量化值； 步骤113：将每个植株样本的量化结果和分级一一对应作为样本，制作成数据集，按照比例将其分成训练集和测试集两部分； 步骤114：使用程序导入数据集并进行SVM机器学习训练，学习之后得到训练模型和模型准确度，直至准确度为达95％以上，满足要求； 步骤115：保存YOLOv5和SVM训练后得到的模型文件并进行载入即可使用； 所述图像预处理使用高斯模糊去除图片中的噪点，使用公式：gi,j＝hi,j*fi,j,将gi,j按照图片顺序排列形成图像矩阵即可获得去除噪点后的图像，其中i，j分别为像素大小，hi,j为高斯平滑滤波器，设置为3×3的矩阵，fi,j为原图像的各个像素，gi,j为卷积后的各图像像素； 所述颜色增强使用公式：fin＝αG+βB+γR，对要提取的表型包含颜色进行增强，其中，fin为增强后地图像，α、β、γ为系数，G、B、R分别为绿蓝红单色通道图像，其中提取植株本体表型参数设置为α＝1、β＝-1、γ＝0.6，提取枯黄部位表型参数设置为α＝-1、β＝0、γ＝1； 所述表型遮罩Mask提取使用大津法获取最佳阈值将表型增强后的图转化为二值图像，并使用开闭运算对图像进行边缘拟合，后进行反色处理得到整颗秧苗和黄叶的遮罩Mask；所述表型遮罩Mask边缘检测，分别为对所有Mask进行Sobel边缘检测算子的边缘检测处理，提取出Mask的边缘坐标矩阵，功能实现有公式：其中，Gx和Gy分别经横向及纵向边缘检测的图像灰度值，A为原始图像矩阵，x和y为图像中具体像素的横纵坐标，G为梯度，θ为梯度方向； 所述表型图片量化，计数枯黄部分Mask的个数得到枯黄斑点的个数；对封闭边缘中的像素点进行累计求出Mask的像素面积，之后通过计算得到表型实际面积，功能实现有公式：其中，g为Mask实际面积，f为Mask中像素点的个数，w2为像素面积、一般设置为1，r2为一像素映射现实中实际面积大小，分别求出整个秧苗的叶面面积和每个枯黄斑点的面积，求出其比值即黄叶比； 步骤2：将秧苗放置到检测台上后，按动上位机的“拍照”按钮，发送获取图片的命令； 步骤3：当拍摄图片后，访问服务器的图片上传接口并进行图片上传，之后图片保存到服务器中，并进行图像畸变矫正； 步骤4：服务器调用YOLOv5识别模型对图片进行分析，查看图中是否真的有秧苗来防止恶意或错误使用，如无秧苗会输出err信息到装置，请求让用户重新拍摄图片，反之进入下一步； 步骤5：服务器发送命令使用近红外光谱传感器模块从近叶端获取秧苗近红外光谱曲线，并对近红外光谱仪进行频域变换，使用快速傅里叶法FFT将曲线变为频域范围序列，之后由服务器保存接收； 步骤6：服务器调用表型量化处理命令接口，开始进行图像处理算法量化图片表型； 步骤7：服务器调用表型量化处理命令接口，开始进行信号处理算法量化近红外光谱表型； 步骤8：服务器调用分类命令接口，对所有的数据进行处理和分类，载入到SVM机器学习后的分类模型中进行分类，得出秧苗的品质情况； 步骤9：服务器调用驱动命令接口，根据品质结果分别发送A、B、C三种等级对应驱动命令给装置，使得装置操纵分类驱动设备进行分类动作； 步骤10：服务器调用表型输出接口，将结果反馈到上位机中，上位机获取到分类检测结果。

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南京农业大学，其通讯地址为：210000 江苏省南京市浦口区点将台40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。