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！

龙图腾网获悉西安理工大学申请的专利基于YOLOv7与无参注意力机制的苹果叶病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：CN117274666B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202311101180.8，技术领域涉及：G06V10/764；该发明授权基于YOLOv7与无参注意力机制的苹果叶病检测方法是由赵明华;韩思齐;都双丽;胡静;石程;李兵设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于YOLOv7与无参注意力机制的苹果叶病检测方法在说明书摘要公布了：本发明公开的基于YOLOv7与无参注意力机制的苹果叶病检测方法，步骤如下：对图像进行预处理得到数据集；对数据集进行标注并划分为训练集和验证集；构建基于YOLOv7与无参注意力机制的苹果叶病检测模型；设置损失函数，并将训练集和验证集输入检测模型中，调整模型参数并进行训练得到苹果叶病检测模型；验证训练好的苹果叶病检测模型是否拟合，若拟合则利用训练好的检测模型检测苹果叶病，否则重新进行训练。本发明的苹果叶病检测方法，建模时将原始YOLOv7模型损失函数替换为EIOULoss，在骨干网络中引入无参注意力机制SimAM提升模型检测精度；在颈部网络中使用GSConv与VOVGSCSP模块降低模型参数量，实现模型轻量化。

本发明授权基于YOLOv7与无参注意力机制的苹果叶病检测方法在权利要求书中公布了：1.基于YOLOv7与无参注意力机制的苹果叶病检测方法，其特征在于，具体按照以下步骤实施： 步骤1、对苹果叶病图像进行预处理，得到数据集； 步骤2、对步骤1的数据集进行标注，并划分为训练集和验证集； 步骤3、根据步骤2的训练集，构建基于YOLOv7与无参注意力机制的苹果叶病检测模型； 步骤4、设置损失函数，并将步骤2的训练集和验证集输入步骤3的检测模型中，调整模型参数并进行训练，保存训练好的苹果叶病检测模型； 步骤5、通过观察模型的训练过程中的各项评价指标验证步骤4中训练好的苹果叶病检测模型是否拟合，若拟合则利用训练好的苹果叶病检测模型检测并输出苹果叶部病害的类别与位置，否则返回步骤4； 所述步骤3具体为： 步骤3.1、引入YOLOv7模型，并在原有YOLOv7的Backbone网络中引入无参注意力机制SimAM，将步骤2的训练集数据输入Backbone网络中进行特征提取，得到三种不同尺度特征层； 步骤3.2、Neck网络中使用GSConv与VOVGSCSP模块，将步骤3.1中三种不同尺度特征层输出的特征图输入到Neck网络中，进行进一步的特征提取与特征融合，由Neck网络输出模型预测结果，即苹果叶病图像中叶部病害的类别与位置； 所述步骤3.1具体为：引入YOLOv7模型，并在Backbone网络中引入无参注意力机制SimAM，将步骤2的训练集数据输入到引入无参注意力机制SimAM的Backbone网络中，训练集数据依次经过四个CBS模块、一个E‑ELAN模块、一个MP模块和一个E‑ELAN模块后输入SimAM注意力模块，得到第一种尺度特征层；再经过一个E‑ELAN模块和一个MP模块后输入SimAM注意力模块，得到第二种尺度特征层；最后经过一个E‑ELAN模块和一个MP模块后输入SimAM注意力模块，得到第三种尺度特征层； 所述步骤3.2具体为： 步骤3.2.1、将第三种尺度特征层的输出作为Neck网络中SPPCSPC模块的输入，进行特征融合后输入VOVGSCSP模块，再输入RepConv模块并使用YoloHead进行回归和分类，输出大尺度预测结果； 步骤3.3.2、将第二种尺度特征层的输出首先输入到GSConv中，并与SPPCSPC模块的输出进行特征融合，然后输入L‑ELAN模块，进行特征融合后输入VOVGSCSP模块，再输入RepConv模块并使用YoloHead进行回归和分类，输出中尺度预测结果； 步骤3.3.3、将第一种尺度特征层的输出首先输入到GSConv中，并与L‑ELAN模块的输出进行特征融合，然后输入VOVGSCSP模块，再输入RepConv模块并使用YoloHead进行回归和分类，输出小尺度预测结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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”。

以上内容由龙图腾AI智能生成。