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！

龙图腾网恭喜西北农林科技大学;陕西省农村科技开发中心申请的专利一种基于深度学习的层级叶片病害检测方法和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：CN116664480B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202310353202.3，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的层级叶片病害检测方法和系统是由刘斌;杨佳慧;张海曦;刘运松;卫星;袁爱红设计研发完成，并于2023-04-04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层级叶片病害检测方法和系统在说明书摘要公布了：本发明公开了一种基于深度学习的层级叶片病害检测方法和系统，用于自然环境下苹果叶片病害检测。首先，前置区域提议网络在整个图像生成提议框，并筛选出叶片提议框，后置区域提议网络根据叶片提议框生成病斑提议框。其次，设计了底层特征聚合模块，以更好地利用前置区域提议网络生成的桥接特征。然后，在后置区域提议网络中引入多级ROIAlign块和GCNet，使聚合的特征缩放到相同的大小，更专注于病斑。最后，提出了一种位置锚框生成器，使预设锚框更容易根据病叶的位置捕获目标病斑。复杂自然环境下，该层级苹果叶片病害检测方法可以提高检测任务的召回率和检测精度。

本发明授权一种基于深度学习的层级叶片病害检测方法和系统在权利要求书中公布了：1.一种基于深度学习的层级叶片病害检测方法，其特征在于，包括：输入待检测图像，通过骨干网络提取不同层级的病害特征，通过特征金字塔网络对不同层级的病害特征进行特征融合和特征提取，获得金字塔特征图；将金字塔特征图输入至前置区域提议网络，获得所有类别的病害提议框和叶片提议框；所述前置区域提议网络由5个大小为3×3的特征提取卷积层组成；从前置区域网络中提取出低层次特征，获得低层特征聚合模块；所述低层特征聚合模块的公式为： 其中，F0′和F1′均为底层特征聚合模块，deconv表示反卷积层，maxpool表示最大池化层，L1和L0均为特征图；在每一个叶片提议框中，通过位置锚框生成器生成预制锚框，通过后置区域提议网络回归预制锚框的中心坐标和大小，获得位置的回归参数和病害类别，生成病害提议框；所述后置区域提议网络包括ROIAlign模块、注意力模块和特征卷积层；ROlAlign模块结合四维位置矩阵在聚合特征F0′和F1′上，从叶片提议框中获得病叶特征；注意力模块调整病叶特征中的权重，获得调整后的病叶特征；特征卷积层基于调整后的病叶特征获得病害提议框；后置区域提议网络获得位置的回归参数和病害类别，调整预制锚框的偏移量，网格生成公式为： 其中，Pw,h为前置区域提议网络生成的N个叶片提议框的宽度和高度，ROIw,h为ROIAlign模块在水平方向和竖直方向的宽度和高度，Si,j代表水平方向和竖直方向的网格点步长；将所有的提议框通过感兴趣区域检测头提取特征后，获得病害和病叶的分类及位置。

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西北农林科技大学;陕西省农村科技开发中心，其通讯地址为：712100 陕西省咸阳市杨凌示范区邰城路3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”。