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！

龙图腾网获悉哈尔滨工业大学申请的专利插秧机作业质量检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：CN118657713B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410669959.8，技术领域涉及：G06T7/00；该发明授权插秧机作业质量检测方法及系统是由李永强;贺雷;姚鸿勋设计研发完成，并于2024-05-28向国家知识产权局提交的专利申请。

本插秧机作业质量检测方法及系统在说明书摘要公布了：插秧机作业质量检测方法及系统，属于图像识别技术领域，尤其涉及插秧机插秧质量的检测；解决了现有秧苗检测方法所存在的秧苗跟踪精度、计数精准度低、计算效率低、不适用于便携嵌入式装置以及实时性差的问题；所述方法包括以下步骤：S6、利用基于三角变换的距离映射算法，将每行秧苗的路径直线中的相邻两个秧苗之间的像素距离转换获得的空间距离作为相邻两个秧苗的株距；S7、根据相邻两个秧苗的株距，获取每个秧苗与其后一个相邻秧苗之间的缺苗数。所述的插秧机作业质量检测方法及系统，适用于插秧机作业质量的实时监测。

本发明授权插秧机作业质量检测方法及系统在权利要求书中公布了：1.插秧机作业质量检测方法，其特征在于，所述方法包括以下步骤： S1、获取在插秧机前方作业方向拍摄的多个插秧机作业视频；每一个插秧机作业视频包括多帧插秧机作业画面； S2、在每一帧插秧机作业画面中，截取插秧机前方的矩形区域作为待处理画面； S3、采用目标检测器对每帧待处理画面中各个秧苗进行检测，获取每帧待处理画面中各个秧苗的像素坐标以及检测框大小； S4、根据秧苗在待处理画面中的像素坐标，利用随机采样一致性算法拟合出插秧机能同时播种的每行秧苗的路径直线，并把每个秧苗分配至其所构成的每行秧苗的路径直线； S5、根据相邻两行秧苗的路径直线与待处理画面底部的交点之间在x方向上的像素距离，获得相邻两行秧苗的路径直线的行距； S6、利用基于三角变换的距离映射算法，将每行秧苗的路径直线中的相邻两个秧苗之间的像素距离转换获得的空间距离作为相邻两个秧苗的株距； S7、根据相邻两个秧苗的株距，获取每个秧苗与其后一个相邻秧苗之间的缺苗数； S8、利用秧苗跟踪算法对每一帧待处理画面中同一个秧苗进行跟踪，赋予同一个秧苗一个跟踪ID； 采用中部区域计数法，统计具有不同跟踪ID的秧苗的数量以及每个跟踪ID的秧苗与其后一个相邻秧苗之间的株距以及缺苗数； 根据上述统计的结果，存储并更新每一帧待处理画面的跟踪目标的单元信息； 汇总所有插秧机作业视频中的跟踪目标的单元信息，获得总插秧量和总缺苗量; 所述步骤S6包括： S6.1、根据待处理画面，获取待处理画面的拍摄点与秧苗的空间几何关系；在所述空间几何关系中： 所述秧苗处于同一个水平线段中；所述待处理画面的拍摄点处于水平线段的上方，所述待处理画面的拍摄点到水平线段的垂直距离为； 设待处理画面的拍摄点在水平线段上的垂直投影点为R，则R位于待处理画面的最底部； 在待处理画面中，在R的上面由近到远依次排列有各个秧苗，其中第i个秧苗为，为大于等于0的整数； 以待处理画面的拍摄点为起点，作连接各个秧苗的线段，作为每个秧苗的斜线连线； 过前一个秧苗作后一个秧苗的斜线连线的垂线，其中第0个秧苗的前一秧苗设为R； 第i个秧苗的斜线连线的垂线为; 第i个秧苗的斜线连线与水平线段的夹角为; S6.2、根据所述空间几何关系以及三角变换公式，获取第i个秧苗与其前面一个秧苗在水平线段上的像素距离，并将所述水平线段上的像素距离作为第i个秧苗与其前面一个秧苗的株距； 第i个秧苗与其前面一个秧苗在水平线段上的像素距离，根据以下三角变换公式获得： ； ； ； 所述秧苗跟踪算法为基于Bytetrack算法的改进算法；基于Bytetrack算法的改进算法对Bytetrack算法进行了两点改进； 第一点改进为：在Bytetrack算法的检测框与预测框的匹配过程中，利用像素信息和IoU相结合的方式计算检测框和预测框的相似度： 分别截取采用卡尔曼滤波算法获得的预测框和下一帧待处理画面中的秧苗的检测框内的图像，并将两个图像转化成相同尺寸； 对两个图像分别进行超绿特征灰度化； 分别获取两个图像中的像素矩阵，并分别将两个像素矩阵中的奇数行拼接成一个行向量，计算两个行向量的余弦相似度； 采用IoU计算检测框和预测框的相似度； 将采用IoU计算的检测框和预测框的相似度与两个行向量的余弦相似度进行加权平均，获得检测框和预测框的最终相似度： ； 其中，s表示最终相似度，表示两个行向量的余弦相似度，表示采用IoU计算的检测框和预测框的相似度，w表示加权系数； 第二点改进为：在Bytetrack算法的卡尔曼滤波算法中，自适应调整测量噪声协方差矩阵： ； 其中，为Bytetrack算法的卡尔曼滤波算法中的测量噪声协方差矩阵；conf为检测对象的置信分数；k为常数；为调整后的测量噪声协方差矩阵。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。