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！

龙图腾网获悉河南科技大学申请的专利一种基于自适应动态分组的农作物病害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：CN119785102B 。

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：202411940119.7，技术领域涉及：G06V10/764；该发明授权一种基于自适应动态分组的农作物病害识别方法是由刘江辉;黄志泉;郑瑞娟;刘铭;李美雯;朱军龙;吴庆涛设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于自适应动态分组的农作物病害识别方法在说明书摘要公布了：本发明公开了一种基于自适应动态分组的农作物病害识别方法，属于农作物病害识别技术领域，包括获取农作物病害图像数据集，并进行数据增强，得到训练集数据；基于DGC动态分组卷积和MLCS多层级通道重排，建立农作物病害识别模型，并利用训练集数据进行训练，得到训练好的农作物病害识别模型，通过训练好的农作物病害识别模型，完成农作物病害识别。本发明通过结合动态分组和多层级通道重排技术，实现了对农作物病害识别模型的轻量化设计，能够有效降低神经网络模型的计算复杂度与参数量，显著缩短了训练时间，同时能够在计算资源有限的移动端或嵌入式设备上实现高效、准确的病害检测。

本发明授权一种基于自适应动态分组的农作物病害识别方法在权利要求书中公布了：1.一种基于自适应动态分组的农作物病害识别方法，其特征在于，包括以下步骤： S1：获取农作物病害图像数据集，并进行数据增强，得到训练集数据； S2：基于DGC动态分组卷积和MLCS多层级通道重排，建立农作物病害识别模型； 所述农作物病害识别模型包括依次连接的逆残差模块、第一动态分组识别模块、第二动态分组识别模块以及分类器； 所述逆残差模块的输入训练集数据通过跳跃连接与残差模块的输出数据融合，并作为第一动态分组识别模块的输入数据； 所述第一动态分组识别模块的输入数据通过跳跃连接与第一动态分组识别模块的输出数据融合，并作为第二动态分组识别模块的输入数据； 所述第二动态分组识别模块的输入数据通过跳跃连接与第二动态分组识别模块的输出数据融合，并作为分类器的输入数据； 所述第一动态分组识别模块和所述第二动态分组识别模块的结构相同，均包括依次连接的动态分组卷积子模块、条件批归一化子模块以及多层级通道重排子模块； 所述逆残差模块，用于提取农作物病害图像的特征，得到特征图； 所述动态分组卷积子模块，用于根据特征图自适应调整分组卷积的分组数，并进行卷积操作，得到动态分组卷积后的特征图； 所述条件批归一化子模块，用于对卷积后的特征图进行归一化处理； 所述多层级通道重排子模块，用于对动态分组卷积后的特征图进行多层级通道重排，输出多层级通道重拍的特征图； 所述分类器，用于整合输入分类器的多层级通道重拍的特征图，并输出农作物病害识别结果； 所述动态分组卷积子模块的自适应调整分组卷积的分组数，其具体方式的表达式如下： 其中，为输入特征图，为分组卷积的分组数，为最小的分组数，为最大的分组数，为调节系数，为输入特征图的全局方差，为输入特征方差的上限，为输入特征方差的下限，为输入通道数量，为第个通道的全局方差，为输入特征图的高度，为输入特征图的宽度，和均为输入特征图的索引，为通道的序号，为第个通道的均值； 所述动态分组卷积子模块进行动态分组卷积操作，得到动态分组卷积后的特征图，其具体表达式如下： 其中，为动态分组卷积后的特征图，为第组分组卷积的卷积核大小，为第组分组卷积的输入通道数量，和均为用于遍历卷积核的内部索引，为输入通道的索引，和为卷积核在输入特征图上的平移操作，为第组分组卷积的卷积核配置，为第组分组卷积的输出通道的索引，为最小的卷积核大小，为最大的卷积核大小，为第组分组卷积输入特征的方差； S3：根据农作物病害识别模型，利用训练集数据进行训练，得到训练好的农作物病害识别模型； S4：根据训练好的农作物病害识别模型，对农作物图像进行处理，完成农作物病害识别。

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河南科技大学，其通讯地址为：471023 河南省洛阳市洛龙区开元大道263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”。