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！

龙图腾网获悉黑龙江八一农垦大学申请的专利一种基于改进Faster-RCNN模型的机插水稻秧苗漂秧漏插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：CN118823576B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202410830623.5，技术领域涉及：G06V20/10；该发明授权一种基于改进Faster-RCNN模型的机插水稻秧苗漂秧漏插识别方法及系统是由梁春英;邹立雯;陈玉恒;周正;王宏立设计研发完成，并于2024-06-25向国家知识产权局提交的专利申请。

本一种基于改进Faster-RCNN模型的机插水稻秧苗漂秧漏插识别方法及系统在说明书摘要公布了：本发明公开了一种基于改进Faster‑RCNN模型的机插水稻秧苗漂秧漏插识别方法及系统，属于农作物目标检测识别领域，以提升水稻秧苗漂秧漏插的检测精度。技术要点：利用无人机获取机插水稻秧苗图片作为样本数据集，并进行数据预处理，得到水稻秧苗自建数据集。采用残差网络ResNet50融合FPN特征金字塔建立网络检测模型；对改进后的Faster‑RCNN模型进行优化训练；将训练后的Faster‑RCNN改进算法对水稻秧苗进行分类识别，利用最小二乘法进行秧苗行线拟合，以此来确定水稻秧苗漏插位置。通过改进的Faster‑RCNN网络模型对水稻秧苗漂秧数、成活数、少叶数及漏插进行分类检测，在复杂条件下能得到较高的识别精度。

本发明授权一种基于改进Faster-RCNN模型的机插水稻秧苗漂秧漏插识别方法及系统在权利要求书中公布了：1.一种基于改进Faster-RCNN模型的机插水稻秧苗漂秧漏插识别方法，其特征在于，所述方法包括： 无人机获取大田水稻秧苗图像数据； 对大田水稻秧苗图像进行预处理和标注，得到预处理图像； 选用原始Faster-RCNN深度学习模型，并根据水稻秧苗特性对该原始Faster-RCNN深度学习模型进行优化，得到改进的Faster-RCNN模型； 将预处理的水稻秧苗图像数据集导入改进的Faster-RCNN模型进行迭代训练； 将待测水稻秧苗图像导入训练后的Faster-RCNN模型进行水稻秧苗预测； 利用最小二乘法对预测后的水稻秧苗图像数据进行拟合，找出漏插水稻秧苗位置； 利用无人机获取水稻秧苗图像，具体包括： 将无人机调整为相应的巡航定速拍照模式，在无人机的遥控器中选定无人机作业的地块进行数据采集；其中无人机的飞行参数为：无人机与水稻秧苗的拍摄距离为1.5米至2米，采用DJIGSPro模式进行测绘航拍，无人机飞行速度为1ms，拍摄角度为-90˚，拍照间隔为2s，前后重叠率为60%； 所述对大田水稻秧苗采集的数据集进行预处理和数据标注，数据集预处理内容包括： 对采集到的大田水稻秧苗进行数据整理，将无法识别的模糊图片与操作不当拍摄到带土地的图片进行剔除； 针对水面反光的问题，对反光区域进行亮度调节；浑浊及土壤环境复杂的水稻秧苗利用中值滤波的手段进行处理，调整图片平滑度； 将图片进行合理的缩放操作，调整像素、统一数据集尺寸，便于后续的模型训练； 对数据集中类别较少的水稻秧苗图像进行翻转、镜像操作增加数据集的丰富度； 将整理好的数据集以8：2的比例分为训练数据集与测试数据集； 根据拟定的标准对清洗后的水稻秧苗数据集进行数据标注，其中，拟定的标准为：以矩形框为基准，记录下水稻秧苗的左上角坐标与右下角坐标，将水稻秧苗完整的包含其中，对合格秧苗、漂秧以及叶龄小于4叶的秧苗进行分类标注； 改进Faster-RCNN网络模型的构建，具体包括： 根据田间水稻秧苗单株识别特点，选用深度学习网络中的双阶段网络模型Faster-RCNN； 将Faster-RCNN网络中的主干网络VGG16替换为残差网络ResNet50； 将Faster-RCNN网络中感兴趣区域池化RoIPooling层替换为RoIAlign层； 所述的改进Faster-RCNN网络模型的优化训练，具体包括： 将预处理后的水稻秧苗数据集导入改进的Faster-RCNN网络模型，并进行数据分类； 设计调整改进的Faster-RCNN网络模型的训练参数，包括迭代次数、学习率模型参数； 利用ImageNet数据集预训练改进的Faster-RCNN网络模型得到预训练权重，再将预训练权重结合预处理后的水稻秧苗训练数据集单独训练改进Faster-RCNN网络模型中的RPN网络层参数； 将训练好的RPN网络参数固定，利用从RPN网路中生成的目标建议框训练Fast-RCNN网络参数，并对Fast-RCNN网络中的全连接层进行微调； RPN网络与Fast-RCNN网络同时共享前置网络参数，构成一个统一的网络； 使用预处理图像数据对改进的Faster-RCNN模型进行优化训练，具体为： 将预训练图像数据集导入该改进的Faster-RCNN模型中，每次迭代训练时随机导入一批次的图片作为数据集进行特征信息提取，采用反向传播和批标准化进行优化训练，其中，迭代训练过程进行i次，设置更新方式为“step”； 对待测水稻秧苗预测，具体包括： 将待测水稻秧苗导入到改进的Faster-RCNN网络模型； 待测图片输入主干网络残差网络ResNet50提取特征信息，利用FPN特征金字塔进行特征融合，生成多尺度特征融合信息图； 利用RPN网络生成候选框，将生成的候选框映射到多尺度特征融合信息图，得到新的特征矩阵； 利用RoIAlign对新生成的特征矩阵进行插值处理，生成7×7的特征图； 特征信息图经全连接层对特征信息图进行分类，利用边界框回归获得每个目标精确的位置坐标，并对目标精确定位； 所述的预测水稻秧苗漏插位置，具体包括： 将改进的Faster-RCNN网络模型预测出水稻秧苗的具体位置并标出候选框，并找到候选框的中心点及位置坐标； 利用最小二乘法对水稻秧苗进行直线拟合，分别拟合横向与纵向的行线，得到中心交叉坐标为秧苗的预测点； 对落在候选框中的预测中心点认定为秧苗位置，没有候选框的中心点记为水稻秧苗漏插位置。

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黑龙江八一农垦大学，其通讯地址为：163319 黑龙江省大庆市高新区新风路5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”。