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！

龙图腾网恭喜广东海洋大学申请的专利一种用于辣椒自动采摘机的图像识别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：CN120014471B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510472968.2，技术领域涉及：G06V20/10；该发明授权一种用于辣椒自动采摘机的图像识别方法是由熊铎云;胡熙;余江;刘谦;郑鸿儒;赖丹丹;徐芷婷设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本一种用于辣椒自动采摘机的图像识别方法在说明书摘要公布了：本发明提供一种用于辣椒自动采摘机的图像识别方法，涉及图像识别领域，引入非均匀尺度变换因子替代传统固定因子的尺度缩放策略，实现根据目标分布动态调整尺度层级的特征；改进传统尺度融合方法，通过尺度响应度量计算动态尺度加权系数，实现通道调整后的尺度特征的加权融合；结合颜色特征通道自适应变换、颜色通道动态交互建模及全局颜色调整，有效感知不同成熟阶段辣椒的颜色特征，提升复杂光照条件下的颜色表达能力；通过跨任务特征共享机制优化现有解耦头中分类与回归任务完全分离所导致的信息割裂问题，引入跨任务共享系数增强深度特征层中分类与回归任务间的有效特征交互，提高识别的准确性与鲁棒性。

本发明授权一种用于辣椒自动采摘机的图像识别方法在权利要求书中公布了：1.一种用于辣椒自动采摘机的图像识别方法，其特征在于，包括以下步骤： S1、获取辣椒自动采摘机的图像并制成数据集； S2、构建非均匀尺度模块，通过非均匀尺度变换因子改进固定因子的尺度缩放策略，根据目标分布动态调整尺度层级的特征，构建非均匀尺度模块具体步骤为： S21、首先通过设计尺度变换因子动态调整尺度层级的分布，所述尺度变换因子λl具体计算公式为： 式中，δl为自适应尺度偏移量，l为层级索引，l∈{1，2，...，L}，L为最大层级索引； 所述自适应尺度偏移量δl具体计算公式为： 式中，Nsmall为小目标的数量，Nlarge为大目标的数量，Ai为第i个目标的面积占整个辣椒图像面积的比例，N为目标总数量； S22、然后根据尺度变换因子λl计算非线性尺度映射函数λ′l，通过非线性尺度映射函数λ′l构建非均匀尺度变换因子优化尺度变换，所述非均匀尺度变换因子具体计算公式为： 式中，λ′l为非线性尺度映射函数，t为训练时间步，γl为控制动态变换的幅度，f为频率控制因子； 所述非线性尺度映射函数具体计算公式为： 式中，λμ为所有尺度层级的均值； S23、通过非均匀尺度变换因子计算缩放后的特征尺寸，然后通过卷积操作提取不同尺度的特征，最终得到多尺度特征集Fmult＝{F′1，F′2，...，F′L}； S3、提出尺度自适应重组策略改进传统尺度融合方法，根据尺度响应度量计算动态尺度加权系数将通道调整后的尺度特征加权融合，尺度响应度量ρl衡量尺度特征在多尺度融合中的重要程度，l层尺度特征的尺度响应度量具体计算公式为： ρl＝∫0 1δF′l0.3dx； 式中，δF′l为l层尺度特征的局部对比度，Fl′为l层尺度特征； S4、设计颜色分布动态映射机制优化颜色特征表达，通过颜色特征通道自适应变换、颜色通道动态交互建模和全局颜色调整动态感知不同阶段辣椒的颜色特征并适应复杂光照环境； S5、构建辣椒图像识别模块，通过跨任务特征共享机制改进现有解耦头完全分离分类与回归任务导致的信息割裂，设计跨任务共享系数优化分类和回归在深度特征层的特征交互； S6、构建辣椒图像识别模型，通过非均匀尺度模块、尺度自适应重组策略和颜色分布动态映射机制增强特征，将增强后的特征输入到辣椒图像识别模块进行辣椒图像识别得到辣椒成熟度和位置信息。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1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”。