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！

龙图腾网获悉云南农业大学申请的专利跨层次特征融合的葡萄叶片病害程度分级预测方法及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：CN118710952B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202410713241.4，技术领域涉及：G06V10/764；该发明授权跨层次特征融合的葡萄叶片病害程度分级预测方法及系统是由杨林楠;白春晖;郜鲁涛;彭琳;张丽莲设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本跨层次特征融合的葡萄叶片病害程度分级预测方法及系统在说明书摘要公布了：本发明公开了跨层次特征融合的葡萄叶片病害程度分级预测方法及系统，本发明涉及病害程度预测技术领域，解决了模型泛化能力差，且对数据源的要求很高，型依然不能满足准确地预测葡萄叶片病害严重程度要求的技术问题，本发明通过将葡萄叶片病害图像输入到DINOV2视觉大模型中得到由浅到深四份形状相同的基础特征，通过设计一种独特的跨层次特征融合方式对上述得到的基础特征进行融合，得到跨层次融合特征，提出一种新的多尺度特征提取模块，更好的提取到图像的多尺度、深层次信息，综合利用不同尺度的空间特征，将大模型技术应用葡萄叶片病害程度分级预测领域，极大地提高了模型的精度，增强了模型的泛化能力，实现了准确预测葡萄叶片病害程度的要求。

本发明授权跨层次特征融合的葡萄叶片病害程度分级预测方法及系统在权利要求书中公布了：1.跨层次特征融合的葡萄叶片病害程度分级预测方法，其特征在于，该方法包括以下步骤： 步骤S01：采集葡萄病害叶片图像，使用labelme软件对图像数据进行标注，得到语义分割标签文件； 步骤S02：将标注好的葡萄病害叶片图像数据按照8:2的比例划分训练集和测试集； 步骤S03：基于DINOV2视觉大模型和多尺度特征融合构建语义分割模型； 步骤S04：将训练集数据放入语义分割模型进行训练，冻结DINOV2视觉大模型主干网络参数，对语义分割模型的其他参数进行更新，直到模型逐渐拟合，得到训练好的语义分割模型； 步骤S05：将待预测的葡萄叶片病害图像输入DINOV2视觉大模型主干网络，先经卷积层下采样，再通过40个多头自注意力机制模块，取第9、19层输出为浅层基础特征，第29、39层输出为深层基础特征，得到由浅到深四份形状相同的基础特征； 把两份浅层基础特征分别送入注意力细化模块，再逐元素相加，得到浅层融合特征，将最深层特征输入多尺度特征提取模块，得到深层多尺度特征，把后两份深层基础特征分别输入注意力细化模块，再与深层多尺度特征逐元素相加，获得深层融合特征； 将浅层融合特征和深层融合特征输入特征融合模块，得到跨层次融合特征，最后把跨层次融合特征输入分割头进行上采样，且具体的方式为： 把跨层次融合特征经两层卷积层处理后上采样，得到与输入图像宽高相同、通道数为类别数的特征图，将特征图按宽高分为H×W个一维向量，输入识别分类器，用softmax函数映射到不同类别概率分布，通过交叉熵损失函数缩小与真实标签概率分布差异，选取概率最高类别，最后对特征图可视化，得到葡萄叶片病害分割图； 步骤S06：统计得到的葡萄叶片分割图中正常叶片区域像素个数和叶片病害区域像素个数，计算叶片病害区域像素个数占正常叶片区域像素个数和叶片病害区域像素个数总和的比例，通过计算出的比例对葡萄叶片病害严重程度分级预测。

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云南农业大学，其通讯地址为：650000 云南省昆明市盘龙区金黑公路95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”。