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！

龙图腾网获悉电子科技大学申请的专利基于多特征提取的人参属植株叶片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：CN115578603B 。

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：202211412873.4，技术领域涉及：G06V10/764；该发明授权基于多特征提取的人参属植株叶片识别方法是由高攀;刘勇国;朱嘉静;张云;李巧勤;傅翀设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本基于多特征提取的人参属植株叶片识别方法在说明书摘要公布了：本发明公开了一种基于多特征提取的人参属植株叶片识别方法，涉及植株识别领域，包括获取图像；锐化处理；转化为灰度图像，再进行去除背景、去除噪声和填充处理；提取全局特征；提取形状特征、纹理特征和叶脉特征；分类模型根据提取的特征进行分类识别获得识别结果；基于特征连接的特征金字塔网络进行叶片图像特征提取，基于窗口重叠灰度、旋转不变LBP特征描述符和窗口自适应灰度共生矩阵GLCM特征描述符进行叶片纹理特征提取，基于引导滤波的Canny算子进行叶片叶脉特征提取，通过连接的特征向量进行叶片分类得到结果，对人参属植株叶片的细粒度物体识别具有较好的效果，解决当前叶片识别算法不能识别具有较高类间相似性和类内差异性叶片的问题。

本发明授权基于多特征提取的人参属植株叶片识别方法在权利要求书中公布了：1.基于多特征提取的人参属植株叶片识别方法，其特征在于，包括： S1、获取人参属植株叶片图像； S2、对叶片图像进行锐化处理； S3、锐化后的图像转化为灰度图像，并对灰度图像依次进行采用迭代阈值选择法去除背景、采用中值滤波法去除噪声和采用灰度形态学的闭运算进行填充的处理；采用灰度形态学的闭运算进行填充处理直至叶片孔洞消除，填充处理依次包括膨胀和腐蚀操作，膨胀操作为对于噪声去除的灰度图像处的灰度值，移动像素点m,n个单位，加上结构化要素Km,n的灰度值，然后取灰度值集合的最大值作为灰度膨胀后的结果，表示为： ， 腐蚀操作为对于膨胀操作后的灰度图像处的灰度值，移动像素点m,n个单位，减去结构化要素Km,n的灰度值，然后取灰度值集合的最小值作为灰度腐蚀后的结果表示为： ， 其中，H表示膨胀操作后输出的灰度图像，I表示腐蚀操作后输出的灰度图像，K表示对灰度图像进行膨胀或腐蚀运算的结构化要素，结构化要素采用具有一定尺寸和形状的图像分量，表示灰度形态学膨胀运算，表示灰度形态学腐蚀运算，m、n表示像素点的位移距离，m、且m,n为整数； S4、通过锐化后的图像采用特征金字塔网络FPN提取人参属植株叶片的全局特征；特征金字塔网络FPN包括输入层、层1、层2、层3、层4、层5、层6和输出层；输入层用于输入锐化后的图像；层1、层2和层3为自下而上的ResNet网络；将层3进行复制得到层4；对层4进行上采样操作，并对层2进行1*1卷积以修正通道数量，再对处理后的层2、层4进行横向连接操作得到层5；对层5进行上采样操作，对层1进行1*1卷积操作，再对处理后的层1、层5进行横向连接操作得到层6；分别对层4、层5、层6进行全局平均池化操作后进行连接得到输出层输出的全局特征； S5、对S3处理后的图像提取人参属植株叶片的形状特征、纹理特征和叶脉特征； S6、分类模型根据全局特征、形状特征、纹理特征和叶脉特征对人参属植株进行分类识别获得识别结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。