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！

龙图腾网获悉延安大学申请的专利基于多任务卷积神经网络的昆虫分级分类方法和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：CN120198940B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510681199.7，技术领域涉及：G06V40/10；该发明授权基于多任务卷积神经网络的昆虫分级分类方法和系统是由田星;李时荣;田敏;王进;张亚玲;程栋;王贝诚;覃胜铭;胡炳宏;陈应帆;王佳慧设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本基于多任务卷积神经网络的昆虫分级分类方法和系统在说明书摘要公布了：本发明提供一种基于多任务卷积神经网络的昆虫分级分类方法和系统，涉及昆虫识别技术领域，本发明采集昆虫图像并进行灰度化和HSV颜色空间转化，生成两组识别图像。利用canny边缘检测提取边缘特征，并计算边缘复杂度和圆形度生成边缘特征指数；从HSV图像中提取色相、饱和度和亮度信息以生成图像鲜艳度。将边缘特征指数和图像鲜艳度拼接，形成综合特征向量，并构建包含不同昆虫种类及其生命阶段的特征库。最后，基于多任务卷积神经网络构建昆虫分级分类模型，将待识别昆虫图像的综合特征向量输入到训练完成的模型中判断昆虫种类和生命阶段。

本发明授权基于多任务卷积神经网络的昆虫分级分类方法和系统在权利要求书中公布了：1.一种基于多任务卷积神经网络的昆虫分级分类方法，其特征在于，具体步骤包括： 步骤1：采集待分级分类的昆虫图像，将昆虫图像缩放为224×224大小后复制成相同的两组，一组进行灰度化处理后生成第一识别图像，另一组将图像从RGB颜色空间转化到HSV颜色空间，生成第二识别图像； 步骤2：基于canny边缘检测提取第一识别图像的边缘像素点，生成第三识别图像，记录第三识别图像中的边缘像素点数量、边缘像素点围成区域的面积和周长，基于边缘像素点数量和边缘像素点围成区域的面积生成边缘复杂度，基于边缘像素点围成区域的周长和面积生成边缘圆形度，基于边缘复杂度和边缘圆形度生成边缘特征指数； 步骤3：提取第二识别图像中像素点的色相、饱和度和亮度，基于所有像素点的色相、饱和度和亮度的平均值生成第二识别图像的色相指数、饱和度指数和亮度指数，基于色相指数、饱和度指数和亮度指数生成图像鲜艳度； 步骤4：将边缘特征指数和图像鲜艳度进行拼接生成综合特征向量，并按照步骤1～3的方法计算不同种类的昆虫在不同生命阶段对应的综合特征向量，构建包含不同种类昆虫在不同生命阶段综合特征向量的昆虫特征库； 步骤5：基于多任务卷积神经网络构建模型，以昆虫特征库中的综合特征向量作为输入，昆虫的种类和生命阶段作为标签，训练昆虫分级分类模型； 步骤6：将待分级分类的昆虫图像的综合特征向量输入训练完成的昆虫分级分类模型，输出昆虫种类和生命阶段； 生成边缘特征指数所依据的原理为： 生成边缘复杂度所依据的公式为： 其中，C表示边缘复杂度，N表示边缘像素点数量，A表示边缘像素点围成区域面积； 生成边缘圆形度所依据的公式为： 其中，R表示边缘圆形度，L表示边缘周长； 生成边缘特征指数所依据的公式为： 其中，X表示边缘特征指数； 生成图像鲜艳度所依据的原理为： 生成色相指数、饱和度指数和亮度指数所依据的公式为： 其中，H表示色相指数，i表示像素点的索引，且i∈1,2,……,M，M表示像素点的数量，Hi表示第i个像素点的色相，S表示饱和度指数，Si表示第i个像素点的饱和度，V表示像素点的亮度指数，Vi表示第i个像素点的亮度； 生成图像鲜艳度所依据的公式为： K＝S·1-|V-0.5|·fH 其中，K表示图像鲜艳度，fH表示色相对鲜艳度的修正函数。

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延安大学，其通讯地址为：716000 陕西省延安市宝塔区圣地路580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。