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！

龙图腾网获悉华南农业大学申请的专利一种高准确率的果实产量估算方法、系统及设备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：CN116597195B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310372198.5，技术领域涉及：G06V10/764；该发明授权一种高准确率的果实产量估算方法、系统及设备是由梁云;黄梓帆;林毅申;刘云帆;姜伟鹏;胡志光;李亮辉;黄俊杰;肖新杰;刘浩宇设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种高准确率的果实产量估算方法、系统及设备在说明书摘要公布了：本发明公开了一种高准确率的果实产量估算方法、系统及设备，包括：S1、采集果实种植区域中的远景图像以及同一区域的近景图像，并将所述远景图像和近景图像进行图像数据扩充，以扩增图像数据的数量和多样性；S2、将所述远景图像和近景图像输入至预先设立的产量估算网络模型中，学习远景图像和近景图像的信息关联性，得到果实的产量估算值；所述产量估算模型是使用改进的YOLOv5检测模型；S3、将所述果实的产量估算值输入到预先设立的专家系统中进行修正，得到精确的产量估算结果。本发明通过从远近景产量估算结合的角度入手，考虑到局部产量和全局产量存在的联系，通过学习其中的关联性来提高了产量预估的准确性。

本发明授权一种高准确率的果实产量估算方法、系统及设备在权利要求书中公布了：1.一种高准确率的果实产量估算方法，其特征在于，包括下述步骤： S1、采集果实种植区域中的远景图像以及同一区域的近景图像，并将所述远景图像和近景图像进行图像数据扩充，以扩增图像数据的数量和多样性； S2、将所述远景图像和近景图像输入至预先设立的产量估算网络模型中，学习远景图像和近景图像的信息关联性，得到果实的产量估算值；所述产量估算网络模型是使用改进的YOLOv5检测模型，所述改进的YOLOv5检测模型包括主干网络Backbone、颈部网络Neck和头部网络Head；所述主干网络Backbone用于提取图像特征信息；所述颈部网络Neck用于把主干网络Backbone提取的特征进行融合，使得颈部网络学习到的特征更具备多样性，然后再交由后续的头部网络Head去检测，从而提高网络的性能；所述头部网络Head用于预测目标的种类和位置，利用颈部网络融合的特征，做出预测；具体的改进为： 在主干网络Backbone中采用轻量级特征提取网络GhostNet替换原先的卷积网络； 在颈部网络Neck的concat操作之后引入注意力机制模块ECA； 在原来的多尺度融合检测模块FPN+PAN结构的基础上引入BiFPN的结构； 将颈部网络中CBS模块的Silu激活函数更换成Hardwish激活函数； 所述步骤S2是通过让产量估算网络模型学习远景图像和近景图像的位置关联性以及近景图像果实数量对远景果实产量的影响，具体为： S21、将所述近景图像通过改进的YOLOv5检测模型中进行检测，输出的预测框数量作为近景图像的果实数量n，并编码为向量n′； S22、将远景图像和近景图像分别经过特征提取网络，生成远景图像特征向量和近景图像特征向量；将近景图像的果实数量n生成的向量n′分别与远景图像特征向量和近景图像特征向量进行Concat操作，得到1*1*2C的远景图像特征向量和1*1*2C的近景图像特征向量； S23、将1*1*2C的远景图像特征向量和1*1*2C的近景图像特征向量输入到注意力机制模块学习远景图像、近景图像的之间信息关联性，注意力机制模块输出大小为1*1*C的向量作为信息关联性向量，然后输入到一个包括有C个输入神经元，多个隐藏层及输出神经元的MLP网络，MLP网络通过隐藏层神经元学习信息关联性向量与最终果实产量的联系，最终输出一个估算产量值； S3、将所述果实的产量估算值输入到预先设立的专家系统中进行修正，得到精确的产量估算结果。

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农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。