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！

龙图腾网获悉浙江工业大学申请的专利基于DINO分类作物与杂草的轻量化端到端目标检测方法和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：CN117036955B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311060038.3，技术领域涉及：G06V20/10；该发明授权基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置是由王涌;叶震源设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置在说明书摘要公布了：基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置，其方法包括：步骤1、收集并标注作物和杂草目标图像数据集；步骤2、划分收集的数据集以便于进行随机的不同的子任务；步骤3、在DINO的BackBone层之前加入轻量新型降噪网络；步骤4、对DINO的BackBone进行替换，优化，使其轻量化；步骤5、使用优化后的DINO模型训练作物和杂草的目标检测模型；步骤6、将作物和杂草的测试样本送入训练好的模型中进行推理得出检测结果。本发明去除图片的噪音，使模型通用性更好，目标检测准确率提升，更改优化骨干网络。可以使模型训练的次数大幅下降，让算法获得更为快速的训练收敛，减少训练时间,还能在相同训练epoch下，提高作物和杂草分类的准确率。

本发明授权基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置在权利要求书中公布了：1.基于DINO分类作物与杂草的轻量化端到端目标检测方法，其特征在于，包括如下步骤： 步骤1、收集并标注作物和杂草目标图像数据集； 步骤2、划分收集的数据集以便于进行随机的不同的子任务； 步骤3、在DINO的BackBone层之前加入轻量新型降噪网络；具体包括： 3.1对原DINO的模型进行拆解，主要分成BackBone网络，neck网络，encoder,decoder,bbox_head部分，其中encoder和decoder是DINO中的transforms结构中的解码器和编码器； 3.2在图像进入BackBone前，图像会与两个固定的核卷积，创建一对下采样的图像；然后使用一个简单的两层CNN，通过一致性损失将一个下采样图像映射到另一个下采样图像； 3.3将降噪后的图像送入BackBone网络； 步骤4、对DINO的BackBone进行替换，优化，使其轻量化；具体包括： 4.1将原DINO中的BackBone从ResNet-50,替换成MobileNetV3，并且选中arch为large； 4.2从MobileNetV3的第6，9，13层提取特征输入到neck网络，并将neck结构中的相应层输入改为40,80,160，与MobileNetV3的参数对应； 步骤5、使用优化后的DINO模型训练作物和杂草的目标检测模型； 步骤6、将作物和杂草的测试样本送入训练好的模型中进行推理得出检测结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。