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！

龙图腾网获悉贵州大学申请的专利一种基于Faster R-CNN网络的烟叶分级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：CN113159083B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202011426985.6，技术领域涉及：G06V10/764；该发明授权一种基于Faster R-CNN网络的烟叶分级方法是由张珍;吴雪梅;王芳;张富贵;郑乐;肖远设计研发完成，并于2020-12-09向国家知识产权局提交的专利申请。

本一种基于Faster R-CNN网络的烟叶分级方法在说明书摘要公布了：本发明涉及计算机图像处理技术领域，具体为一种基于FasterR‑CNN网络的烟叶分级方法。所述方法包括以下步骤：1采集烟叶图像并建立烟叶等级分类的烟叶图像数据集；2以VGG16网络模型为基础，调整模型的参数，将模型的感兴趣区域池改进为ROIAlign去掉第8层、12层、15层3个卷积层，并引入Inception网络结构，建立FasterR‑CNN网络模型；3以深度学习框架caffe作为实验平台，用FasterR‑CNN网络对烟叶图像数据集进行训练。本发明改进后的烟叶分级算法不仅具有在分类器训练上网络收敛速度快，而且在识别上具有识别率高、识别速度快等优点。

本发明授权一种基于Faster R-CNN网络的烟叶分级方法在权利要求书中公布了：1.一种基于FasterR-CNN网络的烟叶分级方法，其特征在于，包括以下步骤： S1、采集烟叶图像并建立烟叶等级分类的烟叶图像数据集； S2、设置CNN网络结构，调整VGG16网络模型的参数，将模型的感兴趣区域池改进为ROIAlign，去掉第8层、12层、15层3个卷积层，并引入Inception网络结构，建立FasterR-CNN网络模型； S3、以深度学习框架caffe作为实验平台，用FasterR-CNN网络对烟叶图像数据集进行训练； 所述步骤S1中的具体过程如下： S11、烟叶图像采集装置的搭建：设计烟叶采集箱，箱体内部设有在载物台，载物台高度可调；箱体顶部固定摄像机，两侧放置位光源，箱体内部全部粘贴黑色防反光贴纸； S12、烟叶图像样本的选取及图像采集：采取烟叶的上、中、下三个部位为原始训练样本和测试集； S13、建立烟叶分级图像数据集：对原始样本裁剪并进行统一命名，并将处理后的样本进行90度、180度、270度水平镜像和垂直镜像扩增，形成增广后的训练数据集； S14、建立PASCALVOC数据集：根据PASCALVOC2007标准数据集格式建立烟叶图像数据集，整个烟叶图像数据集由训练图像、测试图像和验证图像构成； 所述摄像机的摄像头型号为MV-VD078SMSC，光源型号为YX-BL64238K条形led灯，通过型号为YX-APC24300-2控制器控制光源强度； 所述步骤S2中调整模型的参数具体过程如下：调整VGG16网络模型的图像大小、学习率、mini-batch、RPN网络参数，得到模型参数； 所述步骤S3具体过程如下： S31、从已建立的数据库中抽取80％数据作为训练集样本，其余的20％数据作为验证集样本； S32、采用四步交替训练的方法，对RPN和FasterR-CNN2个网络进行训练； S33、设置模型参数：训练总的迭代次数为4.4×106，mini-batch大小为128，冲量为0.9，weight_decay为5×10-4，最大迭代次数1.2×105；RPN第一、二阶段的训练次数均为1.2×105，FastR-CNN第一、第二阶段的训练次数均为106，其中RPN、FastR-CNN第一阶段学习率设置为10-4，第二阶段的学习率设置为10-；所述步骤S2的Inceptionv1网络结构的具体网络参数为128#1×1，128#3×3reduce，128#3×3，64#5×5，24#5×5reduce，64#poolproj，其中，128#3×3reduce，24#5×5reduce表示在3×3，5×5的卷积层前增加的降维层滤波器1×1。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区；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”。