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！

龙图腾网获悉安徽大学申请的专利基于注意力融合因子特征金字塔的极小尺度害虫图像检测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：CN115358993B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211004153.4，技术领域涉及：G06T7/00；该发明授权基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法是由焦林;陈鹏;李高强;梁栋;雷雨设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法在说明书摘要公布了：本发明涉及基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法，与现有技术相比解决了难以针对极小尺度害虫图像进行检测的缺陷。本发明包括以下步骤：极小尺度害虫图像数据的获取；基于注意力融合因子特征金字塔的构建；害虫目标定位分类网络的构建；基于注意力融合因子特征金字塔与害虫目标定位分类网络的联合训练；待测极小尺度害虫图像的获取；极小尺度害虫图像的定位识别。本发明提升了对小尺度害虫图像的细节特征提取的能力，增强了小尺度害虫的特征表达能力。

本发明授权基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法在权利要求书中公布了：1.一种基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法，其特征在于，包括以下步骤： 11极小尺度害虫图像数据的获取：从获取的害虫图像数据中选择极小尺度害虫图像，选取与所选害虫图像对应的极小尺度害虫目标坐标信息和类别标签； 12基于注意力融合因子特征金字塔的构建； 13害虫目标定位分类网络的构建：利用极小尺度害虫图像的细节特征信息构建一阶段无锚框的害虫目标定位分类网络； 14基于注意力融合因子特征金字塔与害虫目标定位分类网络的联合训练：通过软加权损失函数训练基于注意力融合因子特征金字塔与害虫目标定位分类网络； 所述基于注意力融合因子特征金字塔与害虫目标定位分类网络的联合训练包括以下步骤： 141正、负训练样本的确定： 1411将具有坐标信息和类别标签的极小尺度害虫图像输入深度残差网络和基于注意力融合因子特征金字塔， 其中对应的坐标信息和类别标签表示为x,y,w,h,L,x,y和w,h分别是害虫边界框的中心点的坐标和长度、宽度，L是小尺度害虫的类别标签； 分别通过深度残差网络和基于注意力融合因子特征金字塔后得到极小尺度害虫特征图Pk，其对应的步长为sk，其中k＝1、2、3； 1412正样本区域的定义，在害虫目标的真实标注框内定义一个有效正样本区域：对中心点为x,y的区域，其正样本区域为x-Rsk,y-Rsk,x+Rsk,y+Rsk，其中R为区域超参数，设置为1.5，sk表示特征图步长； 1413极小尺度害虫特征图映射： 将特征图Pk中每个位置xi,yi，映射到原始害虫图像中，得到位置xo,yo，映射关系为： 1414正、负样本点确定： 利用得到的正样本区域，判断极小尺度害虫特征图中的样本点映射后的位置是否落入正样本区域内，若落入正样本区域，则对应的样本点为正样本，且其类别标签为对应标注框的标签L，否则是负样本点，对应的标签为0； 142利用得到的正、负训练样本训练害虫目标定位分类网络计算网络损失值； 1421损失值的权重计算： 利用软加权损失函数，训练害虫目标定位分类网络时，所有正样本给予不同的关注度，距离害虫目标中心越近的位置，给予越多的关注度； 小尺度害虫图像位置i,j处的样本点pij给与的权重wij为： 其中，权重函数f度量样本点到害虫目标边界框B的距离，距离越近则对应的权重越大，该权重函数f的定义如下： 其中，变量l、r、t、b分别是害虫中心点到边界框的左、右、上、下边界的距离； 1422害虫目标定位分类网络训练总损失值的计算： 设定害虫目标定位分类网络的总损失值等于极小尺度害虫定位子网络和极小尺度害虫分类子网络两个子网络的损失值之和； 极小尺度害虫分类子网络采用Focalloss损失函数，解决正负样本不平衡的问题，极小尺度害虫定位子网络采用IoUloss损失函数， 害虫目标定位分类网络的总损失函数为： 其中，p表示样本，p+和p-和分别表示正样本和负样本，变量从c、d和f分别表示网络预测害虫的类别、边界框和中心权重值，c*、d*和f*则是对应的真实标注值；lFL和lIoU分别表示Focalloss和IoUloss损失函数； 1423深度残差网络、基于注意力融合因子特征金字塔与害虫目标定位分类网络的训练： 将选取的具有坐标信息和类别标签的极小尺度害虫图像输入到深度残差网络提取害虫特征，然后进一步输入到基于注意力融合因子特征金字塔输出融合注意力的极小尺度害虫信息，再输入到害虫目标定位分类网络，通过将害虫目标定位分类网络预测结果与标注的真实坐标信息、类别标签进行比较，利用步骤422计算害虫目标定位分类网络的总损失值，采用梯度反向传播算法实现深度残差网络、基于注意力融合因子特征金字塔与害虫目标定位分类网络的参数更新，当深度残差网络、基于注意力融合因子特征金字塔与害虫目标定位分类网络三者的总损失为0或者达到设定值后，训练完成； 15待测极小尺度害虫图像的获取：获取待检测的极小尺度害虫图像； 16极小尺度害虫图像的定位识别：将待检测极小尺度害虫图像输入训练后的基于注意力融合因子特征金字塔，获取极小尺度害虫图像的细节特征信息；将提取到的极小尺度害虫图像的细节特征信息输入到训练后的害虫目标定位分类网络得到害虫目标的类别和对应的位置坐标，并统计每类害虫的数量。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。