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！

龙图腾网获悉中国水利水电科学研究院申请的专利一种小麦冠层水分缺失机器视觉智能诊断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：CN120107656B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510102318.9，技术领域涉及：G06V10/764；该发明授权一种小麦冠层水分缺失机器视觉智能诊断方法是由吴文勇;潘肖宇;杨晶晶;胡雅琪;李子明;郭爱科;马蒙设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种小麦冠层水分缺失机器视觉智能诊断方法在说明书摘要公布了：本发明公开了一种小麦冠层水分缺失机器视觉智能诊断方法，其包括步骤S1采集适宜水分、中度干旱和重度干旱胁迫下的多张小麦冠层图像，并采用HSV‑双边滤波优化的Otsu阈值分割算法对小麦冠层图像进行分割；S2采用色彩空间转换、统计特征分析和灰度共生矩阵方法的结合提取分割后的小麦冠层图像的冠层表型特征，并作为模型训练的数据集；S3采用数据集对改进的深度森林模型进行训练，得到小麦冠层水分缺失的机器视觉智能诊断模型；S4获取待分类的小麦冠层图像，并采用步骤S1～步骤S2得到冠层表型特征，之后输入机器视觉智能诊断模型进行分类，得到水分缺失类型。

本发明授权一种小麦冠层水分缺失机器视觉智能诊断方法在权利要求书中公布了：1.一种小麦冠层水分缺失机器视觉智能诊断方法，其特征在于，包括步骤： S1、采集适宜水分、中度干旱和重度干旱胁迫下的多张小麦冠层图像，并采用HSV-双边滤波优化的Otsu阈值分割算法对小麦冠层图像进行分割；对小麦冠层图像进行分割的方法包括： S11、将小麦冠层图像从RGB空间转换为HSV空间： 其中，、和V分别为小麦冠层图像的H,S,V分量；分别为小麦冠层图像的R、G、B分量；max和min分别为取最大值和最小值； S12、采用双边滤波算法对转换至HSV空间的图像进行滤波处理： ， 其中，为滤波后像素的值；为滤波窗口内的像素集合；为归一化系数；为空间域标准差；为空间域高斯函数；为值域标准差；为值域高斯函数；为像素和间的欧氏距离；和分别为像素p和像素q的值域；为指数函数；为欧式距离； S13、将滤波后的图像转化为灰度图像，并统计每个灰度级上的像素数，将每个灰度级的像素数除以总像素数，得到归一化的灰度直方图； S14、采用otsu算法对灰度直方图进行阈值分割，得到分割后的小麦冠层图像； S2、采用色彩空间转换、统计特征分析和灰度共生矩阵方法的结合提取分割后的小麦冠层图像的冠层表型特征，并作为模型训练的数据集；步骤S2进一步包括： S21、采用色彩空间转换将分割后的小麦冠层图像从RGB空间转换到HSV空间，分别遍历小麦冠层图像中所有像素点的R、G、B和V通道值；根据R、G、B和V通道各自的像素值，分别计算得到四通道均值与方差； S22、将分割后的小麦冠层图像转化为灰度图像，并选择设定像素间距和设定方向对灰度图像进行扫描，统计设定方向上预设像素灰度值在点（i，j）处出现的频率，生成灰度共生矩阵； S23、对灰度共生矩阵中的元素的频率进行归一化处理，使得灰度共生矩阵中所有元素的和为1；所述灰度共生矩阵采用能量、均匀性、对比度、相关性4维参数表示小麦的纹理特征； S24、根据R、G、B和V四通道均值与方差及灰度共生矩阵的能量、均匀性、对比度、相关性4个特征构建一个特征向量作为冠层表型特征： 其中，为R均值；为R方差；为G均值；为G方差；为B均值；为B方差；为V均值；为V方差；纹理特征部分：为能量；为均匀性、为对比度、为相关性； S3、采用数据集对改进的深度森林模型进行训练，得到小麦冠层水分缺失的机器视觉智能诊断模型； S4、获取待分类的小麦冠层图像，并采用步骤S1~步骤S2得到冠层表型特征，之后输入机器视觉智能诊断模型进行分类，得到水分缺失类型； 所述改进的深度森林模型包括依次连接的多粒度扫描部分、多尺度注意力模块和级联森林部分。

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中国水利水电科学研究院，其通讯地址为：100048 北京市海淀区车公庄西路20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”。