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！

龙图腾网获悉华南理工大学申请的专利用于农业领域植物叶片和害虫类别的智能识别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：CN118918370B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202410970069.0，技术领域涉及：G06V10/764；该发明授权用于农业领域植物叶片和害虫类别的智能识别方法及装置是由夏钰龙;张见威设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本用于农业领域植物叶片和害虫类别的智能识别方法及装置在说明书摘要公布了：本发明公开了一种用于农业领域不同植物叶片和不同害虫的分类方法及装置，方法包括：获取数据集并进行预处理；对数据集进行数据增强；构建基于自注意力机制的VisionTransformer骨干网络，提取图像的特征；通过显著性特征筛选引擎来选择骨干网络编码特征中最具辨别性区域对应的令牌用于分类；通过视觉结构感知器对选择出的令牌进行视觉结构感知来提取图像中对象的整体结构以辅助分类；对显著性特征筛选引擎和视觉结构感知器生成的特征进行随机部分交换丰富特征组合模式，并用可学习的参数将两部分的特征进行融合用于网络训练，利用训练后的网络对不同植物叶片和不同害虫进行分类。本发明可以对不同的植物叶片和病虫害图像进行高精度自动分类。

本发明授权用于农业领域植物叶片和害虫类别的智能识别方法及装置在权利要求书中公布了：1.用于农业领域不同植物叶片和不同害虫的分类方法，其特征在于，包括下述步骤： 获取植物叶片数据集和农业害虫数据集并进行预处理； 对数据集进行数据增强； 构建基于自注意力机制的VisionTransformer骨干网络，将增强后的数据集输入至VisionTransformer骨干网络提取图像的特征；所述VisionTransformer骨干网络包括一个PatchEmbedding层和多个TransformerEncoder层；每个TransformerEncoder层包括一个多头自注意力层MHA和一个多层感知机MLP，MHA利用多个注意力头并行进行处理输入，捕捉不同子空间的信息，MLP由线性层和非线性激活函数组成，用于进一步处理注意力机制的输出；在PatchEmbedding层中，每个图像块都被编码成为一个D维的令牌，在之后的所有TransformerEncoder层中，每个令牌都保持这个维度，Encoder编码结束之后，附加的D维的分类令牌就作为表示整张图像特征的向量用于分类； 通过显著性特征筛选引擎来选择骨干网络编码特征中最具辨别性区域对应的令牌用于分类，具体为： 获取骨干网络层每一层中任意两个令牌之间的注意力权重大小； 在第l层将第1层到第l层的注意力权重进行累积点乘得到所有令牌的累积注意力权重，直接利用这个注意力权重的大小计算第i个令牌显著性得分中的第一部分，从而得到第l层所有令牌得分的第一部分汇总； 计算第i个令牌得分的第二部分：初始化一个和具有相同维度的均匀分布的向量U，然后利用Jensen-Shannon散度衡量和U数据分布的相似度；将第l层中所有令牌的对应的Jensen-Shannon散度组合起来得到每个令牌显著性得分的第二部分； 将每个令牌的这两部分显著性得分进行相加并做归一化处理得到每个令牌的最终得分； 最后，对每个令牌的最终得分进行降序排序，从每层中选择显著性得分最高的一部分令牌并将它们和骨干层的分类令牌一起通过一个Transformer编码层进行信息聚合得到显著性特征筛选引擎的分类令牌； 通过视觉结构感知器对选择出的令牌进行视觉结构感知来提取图像中对象的整体结构以辅助分类，具体为： 使用每个令牌注意力权重向量平均值和该注意力权重向量对应的信息熵H的归一化和Score2作为其得分指标，基于所述得分指标对于网络骨干中最后一层编码出来的令牌进行排序，然后选择出得分最大的令牌作为锚点，以及所有得分大于平均值的令牌输入一个两层的图卷积神经网络来建立这些令牌之间的结构关系，从而得到包含对象视觉结构特征的分类令牌； 对显著性特征筛选引擎和视觉结构感知器生成的特征进行随机部分交换丰富特征组合模式，并用可学习的参数将两部分的特征进行融合用于模型训练，利用训练好的模型对不同植物叶片和不同害虫进行分类。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。