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！

龙图腾网获悉华中农业大学申请的专利一种基于CBoTs-yolov5的香菇数目及生长期识别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：CN115690780B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211515062.7，技术领域涉及：G06V20/68；该发明授权一种基于CBoTs-yolov5的香菇数目及生长期识别方法及系统是由杨林;曾大鑫;庞彤;李沁瑶;李天宇;宗望远;陈红;边银丙设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于CBoTs-yolov5的香菇数目及生长期识别方法及系统在说明书摘要公布了：本发明涉及一种基于CBoTs‑yolov5的香菇数目及生长期识别方法及系统，所述系统包括香菇信息边缘采集装置、云平台和移动终端；所述香菇信息边缘采集装置包括摄像模块、调控模块和边缘智能网关，所述摄像机模块用于获取菇架上的香菇图片并将香菇图片以数据帧的形式发送给所述边缘智能网关，所述调控模块用于调节所述摄像模块拍摄时环境亮度；所述云平台，用于接收所述边缘智能网关发送的图片信息，并采用CBoTs‑yolov5算法识别图片信息内香菇的成熟期以及香菇成型期的数目。本发明不仅提升识别香菇成熟度及数目统计的精度，提高生产效率，而且减少人力浪费。

本发明授权一种基于CBoTs-yolov5的香菇数目及生长期识别方法及系统在权利要求书中公布了：1.一种基于CBoTs-yolov5的香菇数目及生长期识别系统，其特征在于，所述系统包括香菇信息边缘采集装置、云平台和移动终端； 所述香菇信息边缘采集装置包括摄像模块、调控模块和边缘智能网关，所述摄像模块用于获取菇架上的香菇图片并将香菇图片以数据帧的形式发送给所述边缘智能网关，所述调控模块用于调节所述摄像模块拍摄时环境亮度； 所述云平台，用于接收所述边缘智能网关发送的图片信息，并采用CBoTs-yolov5算法识别图片信息内香菇的成熟期以及香菇成型期的数目，识别后云平台将数据储存在数据库内； 所述移动终端，用于接收所述云平台发送的香菇数目及生长期的数据信息，并提供给用户；所述云平台包括CBoTs-yolov5算法模型和数据库，所述CBoTs-yolov5算法模型是通过对yolov5算法模型进行改进得到识别精度更高的算法模型，所述数据库包括图片存储表、识别结果表和温室装置表；所述CBoTs-yolov5算法模型包括： M1.获取若干组香菇生长图片，构建香菇生长期数据集； M2.采用图形标注工具对所述香菇生长期数据集进行标注，标注后将所述香菇生长期数据集以6：2：2的比例随机划分为香菇生长期训练集、香菇生长期测试集与香菇生长期验证集； M3.替换yolov5原始网络模型BackBone结构中C3模块为CBoT模块，在yolov5原始网络模型中增加小目标检测层，在yolov5原始网络模型neck结构中添加CBAM模块，构建CBoTs-yolov5模型； M4.使用所述香菇生长期训练集、所述香菇生长期测试集和所述香菇生长期验证集对CBoTs-yolov5模型进行训练，得到最优模型权重； M5.将所述最优模型权重的CBoTs-yolov5模型部署到所述云平台；在步骤M3中，包括： M31.将yolov5原始网络模型BackBone结构中第8层C3模块的BottleNeck中添加Multi-HeadSelf-Attention得到CBoT模块； M32.将在步骤M31形成网络模型中对neck结构再增加一层对特征图的上采样等处理，输出P4大小的特征图； M33.将在步骤M32形成网络模型中对neck结构将要输出特征尺寸图前添加CBAM模块；在步骤M31中Multi-HeadSelf-Attention的输入为香菇图片信息的特征矩阵的高、宽以及维度，之后经过三个卷积核大小为1的卷积层得到query矩阵、key矩阵和value矩阵，再将key矩阵与query矩阵进行矩阵乘法得到一部分注意力，同时初始化两个参数向量分别表示高度与宽度不同位置的位置编码，将两个同维的位置编码相加再与query矩阵进行矩阵乘法得到另一部分注意力，将两个注意力相加再进行归一化softmax函数得到全部的注意力，将注意力与value矩阵进行矩阵乘法得到Multi-HeadSelf-Attention的输出。

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中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街道1号华中农业大学；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”。