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！

龙图腾网获悉北京市农林科学院信息技术研究中心申请的专利叶菜类幼苗识别和移栽夹持位置检测方法及装置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：CN119672103B 。

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：202411494537.8，技术领域涉及：G06T7/73；该发明授权叶菜类幼苗识别和移栽夹持位置检测方法及装置是由吴华瑞;韩笑;朱华吉;缪祎晟;郭旺设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本叶菜类幼苗识别和移栽夹持位置检测方法及装置在说明书摘要公布了：本发明提供一种叶菜类幼苗识别和移栽夹持位置检测方法及装置，该方法包括：获取待测幼苗图像；基于检测模型对待测幼苗图像进行幼苗识别和移栽夹持位置检测，得到幼苗识别结果和移栽夹持位置检测结果；检测模型基于以样本幼苗图像为训练样本，以病害幼苗类型和健康幼苗类型为样本标签，以复杂样本挖掘损失函数对卷积神经网络进行训练得到；病害幼苗类型对应样本标签与健康幼苗类型对应样本标签的格式和数据长度分别对齐；复杂样本挖掘损失函数基于Focalloss函数、损失值排序理论和样本分层方法确定。本发明所述方法提高了叶菜类幼苗移栽效率和幼苗成活率。

本发明授权叶菜类幼苗识别和移栽夹持位置检测方法及装置在权利要求书中公布了：1.一种叶菜类幼苗识别和移栽夹持位置检测方法，其特征在于，包括： 获取待测幼苗图像； 基于检测模型对所述待测幼苗图像进行幼苗识别和移栽夹持位置检测，得到幼苗识别结果和移栽夹持位置检测结果； 其中，所述检测模型基于以样本幼苗图像为训练样本，以病害幼苗类型和健康幼苗类型为样本标签，以复杂样本挖掘损失函数对卷积神经网络进行训练得到；所述健康幼苗类型对应样本标签标注有两个夹持位置关键点，所述病害幼苗类型对应样本标签与所述健康幼苗类型对应样本标签的格式和数据长度分别对齐；所述复杂样本挖掘损失函数基于Focalloss函数、损失值排序理论和样本分层方法确定； 标签格式对齐是指病害幼苗对应标签与健康幼苗对应标签的格式相同；标签长度对齐是指病害幼苗对应标签与健康幼苗对应标签的数据维度相同； 所述卷积神经网络包括改进倒置瓶颈块结构，所述卷积神经网络设有多个通道以扩展特征； 所述卷积神经网络还包括可变形卷积网络，所述可变形卷积网络用于引入可学习的偏移量，并采取专用窗口模式对输入特征图进行非均匀地采样； 所述卷积神经网络用于通过无界范围的聚合权重为每个位置使用专用滑动窗口；所述滑动窗口的形状和所述聚合权重输入无关； 卷积神经网络基于YOLOV8-Pose网络和轻量级骨干网络构建；轻量级骨干网络的瓶颈层的通道数根据输入形状调整；轻量级骨干网络的过渡层的输入通道数与输出通道数相同；轻量级骨干网络在训练过程中采用后激活模式，并在推理阶段合并归一化层与卷积层； 所述检测模型通过如下步骤获取： 基于所述卷积神经网络从样本幼苗图像中提取出表型特征； 基于Focalloss函数根据所述表型特征计算各样本幼苗图像的Focalloss损失值；并根据所述Focalloss损失值更新各样本幼苗图像的历史损失值，确定各样本幼苗图像的历史难度数据； 根据所述Focalloss损失值和所述历史难度数据计算各样本幼苗图像的综合损失，并通过非最大抑制排序方法对所述各样本幼苗图像的综合损失进行排序，得到排序后的综合损失。

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北京市农林科学院信息技术研究中心，其通讯地址为：100097 北京市海淀区曙光花园中路11号农科大厦A座1107；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。