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！

龙图腾网获悉江苏大学申请的专利结果类园艺作物果实产量轻量级估测方法及系统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：CN120071333B 。

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：202510130774.4，技术领域涉及：G06V20/68；该发明授权结果类园艺作物果实产量轻量级估测方法及系统是由王爱臣;徐圆芝;彭赟;谢玉文;胡锦设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本结果类园艺作物果实产量轻量级估测方法及系统在说明书摘要公布了：本发明公开了一种结果类园艺作物果实产量轻量级估测方法及系统。本发明的方法首先构建轻量级果实检测模型，再通过RGB‑D相机获取连续多帧RGB图像和深度图像，将RGB图像输入轻量级果实检测模型，获取轻量级果实检测模型输出的果实目标框信息和语义分割信息；根据步果实目标框信息深度图像中的相机‑果实距离信息滤除设定的相机‑果实距离阈值以外的果实，进而获得各帧所述RGB图像中设定距离内的果实；通过区域跟踪计数方法对各帧RGB图像中的设定距离内果实进行跟踪计数；再获得果实面积及果实重量；最后将果实的数量、果实面积、果实重量统计信息显示在可视化界面中进行产量实时监测。本发明能实现复杂环境下果实准确识别、分类和分割，实现精准产量检测。

本发明授权结果类园艺作物果实产量轻量级估测方法及系统在权利要求书中公布了：1.一种结果类园艺作物果实产量轻量级估测方法，其特征在于，该方法包括如下步骤： S1.构建轻量级果实检测模型：以YOLO11模型为基础框架并在YOLO11模型的残差特征学习C3k2单元中引入FasterNet模块，将YOLO11模型的Conv改为DSCOnv，将YOLO11模型的回归损失设为DFL分布焦损失与GIoU回归损失的加权损失；将标注有三种不同成熟度标签的数据集进行训练得到轻量级果实检测模型； S2.通过RGB-D相机获取连续多帧RGB图像和深度图像，所述连续多帧RGB图像和深度图像是根据图像采集设备对当前待产量估测区域内的结果类园艺作物果实进行图像采集得到的，所述果实为当前待检测对象； S3.对步骤S2得到的RGB图像和深度图像进行对齐； S4.将步骤S3得到的RGB图像依次输入步骤S1构建的轻量级果实检测模型，获取轻量级果实检测模型输出的果实目标框信息和语义分割信息； S5.根据步骤S4得到的果实目标框信息和步骤S3得到的深度图像中的相机-果实距离信息滤除设定的相机-果实距离阈值以外的果实，进而获得各帧所述RGB图像中设定距离内的果实； S6.通过区域跟踪计数方法对步骤S5得到的各帧RGB图像中的设定距离内果实进行跟踪计数，获得连续多帧RGB图像中果实数量总数，具体包括如下子步骤： S6-1.选定连续多帧以中心线对称的RGB图像和深度图像的区域作为随机区域； S6-2.计算步骤S6-1得到的随机区域内果实数量：将随机区域的大小作为粒子群优化算法的输入，带入Bytetrack跟踪算法，首先进行检测视频：使用轻量级果实检测模型检测视频中的果实，得到目标检测框和相应特征；然后进行预测目标：使用卡尔曼滤波算法对目标在视频中下一帧的位置和状态进行预测；最后进行匹配目标：使用匈牙利算法对视频前后两帧之间若干目标进行最优匹配，得到目标在视频中的轨迹，匹配失败的目标轨迹将被暂时保存，并继续参与后续帧预测匹配，直到该目标连续多帧都匹配失败后被视为消失果实，进而删除该轨迹；Bytetrack跟踪算法输出随机区域内果实的id数量，即随机区域内果实的数量； S6-3.将步骤S6-2得到的随机区域内果实数量和真实值之间的均方根误差作为粒子群优化算法的适应值，适应值收敛最小时对应的随机区域大小即为最优区域大小； S6-4.将步骤S6-3得到的最优区域大小作为产量估测时所使用的区域大小，带入Bytetrack跟踪算法得到最优区域内果实的数量； S7.根据果实语义分割信息和深度图像中的相机-果实距离信息获得果实面积，并根据建立的果实面积-重量回归模型获得果实重量； S8.将步骤S6得到的果实的数量、步骤S7得到的果实面积、果实重量统计信息显示在可视化界面中进行产量实时监测。

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江苏大学，其通讯地址为：212013 江苏省镇江市学府路301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。