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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质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：CN119206341B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411311373.0，技术领域涉及：G06V10/764；该发明授权一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质是由尹振东;韩淑璐;李大森;赵延龙;张洪骏设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质在说明书摘要公布了：本发明一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质，涉及植物病害识别技术领域，为解决现有的深度学习模型不能满足模型的实时更新和优化的应用需求，时效性较差，且存在新类别数据中没有标签标注时类别增量学习策略会失效的问题。包括：S1、将数据集按类别划分为多个阶段的类别集；S2、利用混合重放算法将当前任务的图像和从旧类别数据的缓存区中统一采样选择的随机图像之间进行插值，生成合成样本；S3、构建SimSiam模型，包括两个相同的神经网络分支，两个分支共享参数，基于两个网络分支的负余弦相似度构建损失函数，多阶段的训练所述SimSiam模型；S4、基于KNN算法对模型性能进行评估；S5、采用训练后的SimSiam模型对植物病害进行分类。

本发明授权一种基于无监督类别增量学习的植物病害识别方法、系统及存储介质在权利要求书中公布了：1.一种基于无监督类别增量学习的植物病害识别方法，其特征在于，包括如下步骤： S1、采集植物病害图像数据集，将数据集按类别划分为多个阶段的类别集； S2、利用混合重放算法将当前任务的图像和从旧类别数据的缓存区中统一采样选择的随机图像之间进行插值，生成合成样本； S3、构建SimSiam模型，模型包括两个相同的神经网络分支，两个分支共享参数，每个分支包括特征提取模块、投影头和预测头；将合成样本的两个随机增强视图输入SimSiam模型进行训练，基于两个网络分支的负余弦相似度构建损失函数，多阶段的训练所述SimSiam模型； S4、从训练集中随机选择一部分数据作为记忆数据集，将记忆数据集和测试集输入到SimSiam网络提取特征，计算记忆数据集图像特征与每个测试集图像特征的距离，找出距离最近的K个样本，生成对应的特征标签，对模型性能进行评估； S5、采用训练后的SimSiam模型对植物病害进行分类。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。