Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江农林大学徐一清获国家专利权

浙江农林大学徐一清获国家专利权

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!

龙图腾网获悉浙江农林大学申请的专利一种金线莲植株叶片真伪鉴别与品系分类方法和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:CN120213831B

龙图腾网通过国家知识产权局官网在2025-08-15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:202510694179.3,技术领域涉及:G01N21/25;该发明授权一种金线莲植株叶片真伪鉴别与品系分类方法和系统是由徐一清;刘子源;丁浩原;王红珍;王张婷;戴宇佳设计研发完成,并于2025-05-28向国家知识产权局提交的专利申请。

一种金线莲植株叶片真伪鉴别与品系分类方法和系统在说明书摘要公布了:本申请公开了一种金线莲植株叶片真伪鉴别与品系分类方法和系统,涉及植物叶片鉴别分类技术领域,该方法包括获取待测植株样品的多视角光谱数据;对多视角光谱数据进行预处理;将预处理后的多视角光谱数据输入至预训练SVM模型中,输出真伪鉴别结果;当真伪鉴别结果为待测植株样品是金线莲样品时,将待测植株样品的预处理后的多视角光谱数据输入至预训练CNN模型中,输出品系分类结果。本申请通过将多视角光谱数据、SVM模型和CNN模型进行结合,并应用于金线莲植株叶片真伪鉴别与品系分类的场景中,可以有效提高金线莲植株叶片真伪鉴别与品系分类的准确性。

本发明授权一种金线莲植株叶片真伪鉴别与品系分类方法和系统在权利要求书中公布了:1.一种金线莲植株叶片真伪鉴别与品系分类方法,其特征在于,包括: 获取待测植株样品的多视角光谱数据;所述多视角光谱数据包括所述待测植株样品的每片叶片的正面光谱数据和背面光谱数据; 对所述多视角光谱数据进行预处理,得到预处理后的多视角光谱数据;其中,对所述多视角光谱数据进行黑白校正,得到黑白校正后的多视角光谱数据;对所述黑白校正后的多视角光谱数据进行感兴趣区域提取,得到预处理后的多视角光谱数据; 将所述预处理后的多视角光谱数据输入至预训练SVM模型中,输出真伪鉴别结果;所述预训练SVM模型指的是基于金线莲样品以及伪品样品的预处理后的多视角光谱数据,对SVM模型与预处理模型进行共同调参,寻找到最优参数后进行训练后得到的模型,所述预处理模型指的是滤波算法对应的模型;所述滤波算法为中值滤波算法、平均滤波算法、高斯滤波算法、Savitzky-Golay滤波算法和主成分分析法其中至少一种;在对所述预训练SVM模型进行训练前,采用StandardScaler对所述预处理后的多视角光谱数据进行标准化处理;在对所述预训练SVM模型进行训练时,采用网格搜索和五倍交叉验证的方法优化超参数,包括惩罚参数、核类型、伽马和多项式次数;并采用准确度、精确度、召回率、F1分数和混淆矩阵作为评估指标进行模型性能评估; 当所述真伪鉴别结果为所述待测植株样品是金线莲样品时,将所述待测植株样品的预处理后的多视角光谱数据输入至预训练CNN模型中,输出品系分类结果;所述预训练CNN模型指的是基于金线莲样品的预处理后的多视角光谱数据,对CNN模型与所述预处理模型进行共同调参,寻找到最优参数后进行训练后得到的模型;所述预训练CNN模型为1D-CNN模型。

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浙江农林大学,其通讯地址为:311300 浙江省杭州市临安区武肃街666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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。