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！

龙图腾网获悉贵州省水稻研究所申请的专利一种基于机器视觉技术的水稻病虫害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：CN120219861B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510698299.0，技术领域涉及：G06V10/764；该发明授权一种基于机器视觉技术的水稻病虫害识别方法及系统是由徐海峰;龙武华;唐会会;宫彦龙;王倩;朱速松设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本一种基于机器视觉技术的水稻病虫害识别方法及系统在说明书摘要公布了：本发明涉及机器视觉技术与农业病虫害诊断技术领域，具体涉及一种基于机器视觉技术的水稻病虫害识别方法及系统，包括以下步骤：S1：获取叶片表面反射光的偏振方向分布，生成偏振光补偿图像；S2：进行特征层融合，生成多光谱融合图像；S3：基于多光谱融合图像中各像素点的偏振相位差异值分割出独立叶片区域；S4：对分割后的叶片区域进行多维度特征提取；S5：进行欧氏距离计算，确定最邻近匹配结果；S6：根据匹配结果中的特征相似度阈值判定病虫害种类。本发明，通过融合多源光谱信息与结构化特征比对，实现了水稻病虫害的高精度识别与病斑空间定位，提升了病害诊断的智能化水平与实用性。

本发明授权一种基于机器视觉技术的水稻病虫害识别方法及系统在权利要求书中公布了：1.一种基于机器视觉技术的水稻病虫害识别方法，其特征在于，包括以下步骤： S1：通过旋转偏振片阵列获取叶片表面反射光的偏振方向分布，生成偏振光补偿图像； S2：将偏振光补偿图像与近红外波段图像进行特征层融合，生成包含表面反射特性与内部组织特征的多光谱融合图像； S3：基于多光谱融合图像中各像素点的偏振相位差异值，采用区域生长算法分割出独立叶片区域； 所述S3具体包括： S31：以S2生成的多光谱融合图像为基础，计算图像中每个像素的偏振相位差异值，并构建完整的偏振相位差异值图； S32：在偏振相位差异值图中，选取偏振相位差异值处于预设区间内且空间位置位于叶片中心区域的像素点作为初始生长种子点，并将种子点标记为叶片区域； S33：以种子点为起始点，分析种子点的8邻域像素，计算种子点与其邻域像素之间偏振相位差异值的绝对差值；若绝对差值小于预设的相位相似性阈值，则将该邻域像素标记为叶片区域，并将其加入待处理种子点集合； S34：循环执行S33，持续扩展种子点集合并更新叶片区域标记，直至种子点集合不再增加，输出叶片区域的空间掩膜图； S4：对分割后的叶片区域进行多维度特征提取，包括偏振反射率差异特征、叶脉纹路断裂特征和近红外吸收异常特征； 所述S4具体包括： S41：基于S3输出的叶片区域空间掩膜图，在偏振光补偿图像中对每个叶片区域内部计算区域内偏振反射率最大值与最小值之差，以该差值作为偏振反射率差异特征； S42：对S3分割出的叶片区域进行边缘检测，构建叶脉骨架图并识别骨架中的断裂位置，提取骨架断裂点的空间坐标位置与断裂点数量作为叶脉纹路断裂特征； S43：基于S2生成的多光谱融合图像，提取叶片区域内近红外吸收强度，将叶片区域内各像素近红外吸收强度值与设定的正常叶片区域近红外吸收强度阈值进行差值计算，提取差值超出正常阈值范围的像素数量占区域总像素数的比例作为近红外吸收异常特征； S5：将提取的多维度特征与病虫害特征数据库进行欧氏距离计算，确定最邻近匹配结果； S6：根据匹配结果中的特征相似度阈值判定病虫害种类，输出包含病斑定位信息的诊断报告。

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省水稻研究所，其通讯地址为：550006 贵州省贵阳市小河区金农社区；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”。