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！

龙图腾网获悉华南农业大学申请的专利基于大豆叶平铺化图像生成模型的叶子表型参数计算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：CN118967785B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202411279367.1，技术领域涉及：G06T7/62；该发明授权基于大豆叶平铺化图像生成模型的叶子表型参数计算方法是由王栋;黄镇洲;康耀文;黄琼;杨存义设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本基于大豆叶平铺化图像生成模型的叶子表型参数计算方法在说明书摘要公布了：本发明公开了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，进一步对大豆叶自然状态图像进行平铺化处理，最后利用大豆叶平铺化图像计算大豆叶的叶型表型参数，与人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型长宽比的测算效率，同时降低损伤大豆植株的风险；本发明在SwimIR模型的基础上进行改进，不仅实现了对自然弯曲状态下的大豆叶图像的平铺化处理，并且在模型训练数据集中拍摄图像与扫描图像之间存在色彩风格差异的情况下使得模型也可以保持输出的大豆叶平铺图像与输入的拍摄图像色彩风格一致。

本发明授权基于大豆叶平铺化图像生成模型的叶子表型参数计算方法在权利要求书中公布了：1.基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，其特征在于，包括以下步骤： S1、通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，以得到大豆叶自然状态图像； S2、将所述大豆叶自然状态图像输入预先训练好的大豆叶平铺化图像生成模型中，以得到大豆叶平铺化图像； S3、利用所述大豆叶平铺化图像计算大豆叶的叶型表型参数，其中，所述叶型表型参数包括大豆叶叶型的长宽比； 所述大豆叶平铺化图像生成模型为改进型SwimIR模型；所述改进型SwimIR模型包括数据预处理模块、浅层特征提取模块、深层特征优化模块、辅助风格保持模块以及高质量图像重构模块； 拍摄图作为模型的输入记为Iinput，其对应的掩码图记为II_mask；扫描图作为模型训练时的真值GroundTruth记为IGT，其对应的掩码图记为IG_mask；改进型SwimIR模型的输出记为Ioutput；改进型SwimIR模型训练时使用的损失函数分别为生成对抗损失、感知损失、叶面区域色彩损失、归一化L1损失，由共计4个损失项组成； 生成对抗损失，配合判别器使用，判别器计算IGT与Ioutput二者之间的二分类交叉熵损失，二分类交叉熵损失的定义如下式5所示； 上式5中，N代表的是总样本的数量，第i个样本所属于的类别为yi，而第i个样本的预测值记为gxi； 感知损失函数的定义如下式6所示； 上式6中，Φq代表M个特征提取层中的第q个层，而γq指的是第q个特征提取层的权重系数，权重系数定义为0.8或者1.2； 叶面区域色彩损失，利用Iinput、II_mask与Ioutput、IG_mask建立叶面区域色彩损失，叶面区域色彩损失函数定义如下式11所示； 其中，如上式7-10所示μinput、μoutput、σinput、σoutput分别为输入图像Iinput、输出图像Ioutput大豆叶叶面区域像素点的均值与标准差，NI_mask、NG_mask分别为Iinput、Ioutput叶面区域像素点的总数量，m为图像像素点的总数量；在上式11中，n为图像的通道数即：R、G、B三个色彩通道；此外，II_mask、IG_mask在大豆叶叶面区域的像素点的值为1，其余区域的像素点的值为0； 归一化L1损失，将IGT、Ioutput分别在三个通道中进行重新投影如下式12所示，再使用重新投影后得到的IG′T、Iou′tput建立L1损失，如下式13所示； Lnorm_L1＝||I′GT-Io′utput||113 在上式12中，i分别代表图像R、G、B的三个通道，m代表图像像素点的总数量且j为整数，而1×10-6为防止除数为0的情况出现； 上述四个损失函数相加共同构成模型训练时的整体损失函数如下式14所示； LTOTAL＝β1LGAN+β2Lperceptual+β3Lleaf_color+β4Lnorm_L114 上式14中，β为各个损失项的权重系数。

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华南农业大学，其通讯地址为：510000 广东省广州市天河区五山路483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”。