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！

龙图腾网获悉湖南工程学院申请的专利一种基于多任务学习的农作物病虫害识别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：CN120747652B 。

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：202511261293.3，技术领域涉及：G06V10/764；该发明授权一种基于多任务学习的农作物病虫害识别方法和系统是由申晗秋;胡瑛;夏俊豪;刘俊豪;韩鹏;李缘;张梦琪;方艺颖;范琦;肖锦涛设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种基于多任务学习的农作物病虫害识别方法和系统在说明书摘要公布了：本发明公开了一种基于多任务学习的农作物病虫害识别方法和系统，首先构建包含多尺度特征信息融合模块、疾病检测分支和严重程度分类分支的农作物病虫害识别模型；通过预处理输入叶片图像，由多尺度特征信息融合模块提取并融合多尺度特征图；疾病检测分支利用区域提议网络生成病虫害候选区域，结合多尺度融合特征图经疾病检测输出病虫害位置及类别；同时，尺寸最大的融合特征图输入严重程度分类分支实现四级评估；提出了加权损失函数设计思想，能够引导多任务网络分支进行联合训练。实现端到端的多任务协同处理，通过共享多尺度融合特征图，同步完成病虫害定位、分类与严重程度评估，大幅提升识别效率，满足农业场景实时监测需求。

本发明授权一种基于多任务学习的农作物病虫害识别方法和系统在权利要求书中公布了：1.一种基于多任务学习的农作物病虫害识别方法，其特征在于，所述方法包括以下步骤： S100：构建农作物病虫害识别模型，包括多尺度特征信息融合模块、疾病检测分支和严重程度分类分支；获取农作物叶片的输入图像，对输入图像进行预处理，得到预处理后的数据集； S200：将预处理后的输入图像输入至多尺度特征信息融合模块，通过特征提取、多尺度构建、注意力增强和自适应融合处理，得到多尺度融合特征图； S300：在多尺度融合特征图上通过区域提议网络生成病虫害候选区域，将病虫害候选区域和多尺度融合特征图一起输入至疾病检测分支中进行疾病检测，输出病虫害位置及类别检测结果； S400：将多尺度融合特征图中尺寸最大的特征图输入至严重程度分类分支进行严重程度分类，输出病虫害严重程度等级； S500：根据病虫害位置及类别检测结果、病虫害严重程度等级和预设的损失函数对病虫害识别模型进行训练，当达到预设的训练结束条件时，得到训练好的病虫害识别模型，基于训练好的病虫害识别模型实时完成农作物病虫害识别； S200中多尺度特征信息融合模块包括ResNet-50特征提取层、FPN多尺度特征构建层、CBAM注意力增强层和ASFF自适应特征融合层，S200包括： S210：使用ResNet-50特征提取层从预处理后的输入图像提取输出四级中间特征图； S220：四级中间特征图输入至FPN多尺度特征构建层中，对每级特征进行卷积压缩通道，自顶向下融合，得到多尺度特征层{P2,P3,P4,P5}； S230：多尺度特征层{P2,P3,P4,P5}输入至CBAM注意力增强层，对每级特征并行应用通道和空间双注意力操作，输出四级增强特征； S240：四级增强特征输入至ASFF自适应特征融合层，为每层级生成归一化权重参数，对不同层特征进行上采样或下采样至目标层级尺寸后加权求和，输出四组融合特征图； S240包括： S241：四级增强特征输入至ASFF自适应特征融合层，为每层级生成归一化权重参数； S242：使用Softmax函数对权重参数进行处理，确保满足四个权重参数相加和为1的条件，再将各权重参数与对应的特征层相乘，得到ASFF-1、ASFF-2、ASFF-3、ASFF-4； S243：针对ASFF-1，利用1×1卷积，使第二层、第三层和第四层分别向上取样2倍、4倍和8倍，扩展到与第一层相同的特征层大小，再将四层信息相加；针对ASFF-2，利用1×1卷积，使第一层降采样2倍，第三层和第四层分别升采样2倍和4倍，变换到与第二层相同的特征层大小，再将四层信息相加；针对ASFF-3，利用1×1卷积，使第一层和第二层分别降采样4倍和2倍，第四层升采样2倍，变换到与第三层相同的特征层大小，再将四层信息相加；针对ASFF-4，利用1×1卷积，使第一层、第二层和第三层分别降采样8倍、4倍和2倍，变换到与第四层相同的特征层大小，再将四层信息相加，最终得到四个不同尺度的融合特征图。

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湖南工程学院，其通讯地址为：411104 湖南省湘潭市岳塘区福星东路88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。