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！

龙图腾网获悉重庆市农业科学院申请的专利一种基于深度神经网络的茶园绿盲蝽自动检测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：CN119107573B 。

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：202411252867.6，技术领域涉及：G06V20/17；该发明授权一种基于深度神经网络的茶园绿盲蝽自动检测方法是由陈世春;王晓庆;江宏燕;廖姝然;陈亭旭;王一哲设计研发完成，并于2024-09-09向国家知识产权局提交的专利申请。

本一种基于深度神经网络的茶园绿盲蝽自动检测方法在说明书摘要公布了：本发明提供一种基于深度神经网络的茶园绿盲蝽自动检测方法，涉及虫害检测领域，包括数据采集、数据处理、模型训练、自主评估及自动化微调；数据采集采用无人机对茶园中的茶树进行扫描、获取扫描数据；数据处理对扫描数据中的图像进行处理，获取归一化图像；模型训练包括训练数据标注、构建模型与训练模型；自主评估为通过轮廓系数进行评估；自动化微调包括新数据筛选、自动化标签和模型微调。该方法能够自动、高效的对绿盲蝽虫害进行监测，无需人工干预，有效节省人力物力、避免外界环境因素的干扰，为后续虫害防治过程提供准确的指导作用。

本发明授权一种基于深度神经网络的茶园绿盲蝽自动检测方法在权利要求书中公布了：1.一种基于深度神经网络的茶园绿盲蝽自动检测方法，其特征在于：包括数据采集、数据处理、模型训练、自主评估及自动化微调； 其中，数据采集为：采用无人机对茶园中的茶树进行扫描、获取扫描数据； 数据处理为：根据无人机高度，对扫描数据中的图像进行处理，获取归一化图像； 模型训练包括训练数据标注、构建模型与训练模型，用于获得对害虫图像进行检测、识别的模型；具体为： 训练数据标注：对数据处理后的高清图像样本进行标注，将高清图像标注为有虫害-0与无虫害-1两类； 构建模型：构建包括输入层、特征层与分类层的深度神经网络模型；其中，输入层包含光照权重网络与融合网络，每个样本的输入参数包括高清图片、多光谱图像与光照强度； 训练模型：采用损失函数作为监督信号、并使用梯度下降法对网络模型参数进行训练，其中，损失函数包括特征表示损失函数与分类损失函数； 特征表示损失函数输入为特征层的输出特征表示和样本标签，特征表示损失函数包括数据对构建与损失计算两步； 自主评估为：计算模型训练中预测结果的轮廓系数、实现自主评估，具体步骤为： 首先，将所有样本按照模型预测结果分为“有虫害”与“无虫害”两个类别； 然后，将样本与其相同类别的所有样本之间的平均距离作为该样本的聚合度ai；之后，将样本与其不同类别的所有样本之间的最小距离作为该样本的聚合度bi； 最后，获得每个样本的轮廓系数si： 将所有样本的轮廓系数均值作为总轮廓系数，用于评价模型的分类结果； 自动化微调包括新数据筛选、自动化标签和模型微调，通过使用新数据对模型训练中的参数进行微调，实现模型自适应能力；具体步骤为： 新数据筛选：首先，使用人工标注的训练数据，按照标注标签分类为“有虫害”和“无虫害”两个类别，并分别计算两个类别中样本的特征表示的归一化均值中心点、将其作为焦点： 式中：X表示类别Ci中样本的特征表示；表示类别Ci中样本个数； 表示归一化公式； 然后，根据模型预测分类结果，比较新样本与两个焦点之间的关系，从而获得样本置信度： 式中：xi表示第i个样本的特征表示，yi表示分类模型的预测分类结果；confi表示第i个样本的置信度；e 0 、e 1分别表示有虫害与无虫害的焦点； 最后，选择置信度不小于预设的置信度阈值的数据样本作为训练数据； 自动化标签：对于新增训练集、将其预测分类标签作为训练标签； 模型微调：使用人工标注训练集和新增训练集，使用微调学习率对模型训练后获得的分类模型进行参数微调，从而获得适应新数据的分类模型。

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重庆市农业科学院，其通讯地址为：401329 重庆市九龙坡区白市驿镇农科大道；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。