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！

龙图腾网获悉安徽农业大学申请的专利基于卷积神经网络的小麦赤霉病识别与害病斑分割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：CN117994228B 。

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：202410142977.0，技术领域涉及：G06T7/00；该发明授权基于卷积神经网络的小麦赤霉病识别与害病斑分割方法是由许高建;杨婧;楊梦道;林政培设计研发完成，并于2024-02-01向国家知识产权局提交的专利申请。

本基于卷积神经网络的小麦赤霉病识别与害病斑分割方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的小麦赤霉病识别与害病斑分割方法，包括：1获取健康小麦麦穗图像以及不同病斑程度的小麦麦穗图像并进行预处理；2构建小麦病斑程度识别网络模型；3离线训练构建的小麦病斑程度识别网络模型；4构建小麦病斑分割网络模型；5离线训练构建的小麦病斑分割网络模型；6利用构建好的模型实现预测，以达到小麦病斑程度识别和病斑分割目的。本发明用改进的特征融合卷积神经网络处理小麦病斑图像，能解决图像中细微的关键特征在网络传递过程中丢失以及病斑边缘模糊的问题，从而能提升小麦病斑程度识别和分割的准确率。

本发明授权基于卷积神经网络的小麦赤霉病识别与害病斑分割方法在权利要求书中公布了：1.一种基于卷积神经网络的小麦赤霉病识别与害病斑分割方法，其特征在于，包括如下步骤： 步骤1、获取健康小麦麦穗图像以及不同病斑程度的小麦麦穗图像并进行预处理后，得到预处理后的小麦图像数据集记为，其中，表示第张小麦图像，，为小麦图像数据集X中图像的总数； 步骤2、构建小麦病斑程度识别网络，包括：特征提取子网络模块、特征降采样子网络模块、特征融合和分类子网络模块；并用于对第张小麦图像进行处理，以提取小麦病斑程度特征图，并得到第i张小麦图像的预测标签； 步骤2.1、所述特征提取子网络模块利用卷积层以滑动窗口方式对第张小麦图像进行特征提取，得到K个映射特征；其中，表示第k个映射特征； 将第k个映射特征依次输入n个不同尺寸的空间池化块中进行处理，得到每个空间池化块输出的局部细节特征，并将n个局部细节特征拼接后，得到第k个标准化后的映射特征； 步骤2.2、所述特征降采样子网络模块由s级条状池化层组成，并依次对进行降采样后，得到每级条状池化层输出的特征向量，并将s个特征向量拼接后，得到第k个降采样后的特征向量； 步骤2.3、所述特征融合和分类子网络模块，包括：全连接层和Softmax分类模块： 将K个降采样后的特征向量{|k=1,2,…,K}输入全连接层中进行处理，并得到融合后的小麦病斑程度特征图； 将输入Softmax分类模块中进行降维处理，得到病斑程度的预测概率矩阵Fi，并从Fi中选择最大概率所对应的病斑程度作为第i张小麦图像的预测标签； 步骤3、构建小麦病斑分割网络包括：编码器模块、解码器模块和密集式跳跃式连接模块；并对小麦病斑程度特征图进行处理，得到第i张小麦图像的病斑分割特征图； 步骤3.1、所述编码器模块包括P个卷积收缩块CDB1,CDB2,...,CDBp,...,CDBP以及Q个下采样块DB1,DB2,...,DBq,...,DBQ，其中，CDBp表示第p个卷积收缩块，DBq表示第q个下采样块； 当p=1，q=1时，对进行图像尺寸和通道的调整后，得到调整后的特征图，并输入第p个卷积收缩块CDBp中，从而利用全局平均池化对的绝对值进行降维处理，得到的一维特征向量，再输入到第q个下采样模块DBq中进行尺寸缩小，使得输出尺寸为输入尺寸的一半，从而得到第q个低层特征图； 当p=2,3,...,P，q=2,3,...,Q时，将第p-1个低层特征图输入第p个卷积收缩块CDBp中进行处理，得到的一维特征向量，再输入到第q个下采样模块DBq中进行尺寸缩小处理，得到第q个低层特征图，从而得到第Q个下采样模块DBQ输出的第Q个低层特征图； 利用式4对第q个低层特征图进行软阈值化处理，获得第q个加强低层特征图： =4 式4中：表示所设定的阈值； 步骤3.2、所述编码器模块包括P个卷积收缩块,,...,,...,以及Q个上采样块,,...,,...,，其中，表示第P+p个卷积收缩块；表示第q个上采样块； 当p=1，q=1时，将输入第P+p个卷积收缩块中进行处理，得到的一维特征向量，再输入到第q个上采样模块中，从而采用双线性插值法将输出尺寸增加到输入尺寸的一倍后，得到第P+p个高层特征图； 当p=2,3,...,P，q=2,3,...,Q时，将第P+p-1个高层特征图输入第P+p个卷积收缩块中进行处理，得到的一维特征向量，再输入到第q个上采样模块中进行处理，得到第P+p个高层特征图； 利用式4对高层特征图进行软阈值化处理，获得加强高层特征图； 步骤3.3、所述密集式跳跃式连接模块利用式5得到第i张小麦图像的病斑分割特征图： 5 式5中：Conv表示卷积运算；D表示下采样运算；Up表示上采样运算；[]表示特征图拼接操作。

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农业大学，其通讯地址为：230036 安徽省合肥市长江西路130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”。