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！

龙图腾网获悉广东工业大学申请的专利一种基于注意力机制的致敏植物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：CN117036948B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311009797.7，技术领域涉及：G06V20/10；该发明授权一种基于注意力机制的致敏植物识别方法是由肖荣波;罗树华;王鹏;黄飞;肖美红设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本一种基于注意力机制的致敏植物识别方法在说明书摘要公布了：本发明涉及植物智能识别技术领域，公开了一种基于注意力机制的致敏植物识别方法，包括：获取致敏植物图像并进行筛选，构建致敏植物图像数据集；对敏植物图像数据集中的致敏植物图像进行数据增强处理；对敏植物图像数据集中的致敏植物图像进行标注，标注完成后对敏植物图像数据集进行划分；构建基于注意力机制的致敏植物识别模型，并利用划分后的敏植物图像数据集对模型进行训练；保存训练好的致敏植物识别模型用于待检测图像的致敏植物识别检测。本发明的基于注意力机制的致敏植物识别方法在Precision、Recall、F1分数和mAP上实现了显著提升，具有更高的识别精度和准确性；本发明具有广泛的应用前景，为过敏源的筛查和保护提供新的解决技术方案。

本发明授权一种基于注意力机制的致敏植物识别方法在权利要求书中公布了：1.一种基于注意力机制的致敏植物识别方法，其特征在于，包括以下步骤： 获取致敏植物图像并进行筛选，构建致敏植物图像数据集； 对敏植物图像数据集中的致敏植物图像进行数据增强处理； 对敏植物图像数据集中的致敏植物图像进行标注，标注完成后对敏植物图像数据集进行划分； 构建基于注意力机制的致敏植物识别模型，并利用划分后的敏植物图像数据集对模型进行训练；所述致敏植物识别模型包括： 以采用轻量级的CSPDarknet53主干网络的YOLOv5为模型框架，包括特征提取网络Backbone、特征金字塔模块Neck以及预测头Prediction三个部分； Backbone负责从输入图像中提取特征，在Backbone部分的BottleneckCSP后增加引入注意力机制，其输入是特征图，输出是经过自适应注意力权重调整后的特征图；使用SPPF模块替换了YOLOv5的SPP模块以形成SPPFCSPC模块，SPPF模块将上一层输出的特征图划分为多个网格，随后在每个网格内进行池化操作，得到固定大小的特征向量；将不同尺度的特征向量通过加权求和进行融合，得到融合特征Fusion1通过SPPFCSPC模块输出；Backbone的BottleneckCSP采用CSPC网络设计策略，Backbone部分的BottleneckCSP输出的特征分成两个分支，其中一个分支直接传递给Neck中的BottleneckCSP模块，而另一个分支经过一系列卷积操作得到新的特征，新的特征通过加权求和进行融合，得到融合后的特征Fusion2传递给Neck进行进一步处理； Neck是在Backbone的基础上进一步对特征进行多尺度融合和上下文感知的部分；Neck的输入是来自Backbone的BottleneckCSP和SPPFCSPC输出的特征图；将Neck中的上采样模块Upsample后的Concat模块替换为DwConv2反卷积层模块，通过转置卷积实现上采样操作，将低分辨率的特征图上采样到与高分辨率的特征图相同的尺寸； 预测头Prediction是YOLOv5模型的最后一部分，它用于在特征图上进行目标检测的预测；预测头Prediction输入是Neck的输出，预测头Prediction的输出是预测的目标框和类别概率；对于Prediction的每个检测头，输出包括目标框的边界框坐标以及每个类别的置信度概率，这些输出将用于后续的目标框筛选和非极大值抑制，得到最终的检测结果； 保存训练好的致敏植物识别模型用于待检测图像的致敏植物识别检测。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。