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！

龙图腾网获悉大连大学;觅视科技(大连)有限公司申请的专利门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法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：CN120707842B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511157949.7，技术领域涉及：G06V10/25；该发明授权门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法是由宋传鸣;毕祥;董政彤;王建军;汪祖民设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法在说明书摘要公布了：本发明公开一种门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法，提出一种多路径门控交互与动态形变卷积模块，并用其替代YOLOv8模型的C2f模块。首先，该模块采用三分支网络结构，分别聚焦局部细粒度特征、空间关联特征与全局上下文特征的提取；其次，引进高效特征提取模块，通过空间可分离卷积与逐点卷积强化局部细节和果实重要特征通道；然后，采用门控频率特征蒸馏块动态筛选关键全局特征并抑制冗余噪声，从而通过结构化轻量化改造与无效特征过滤，提高果实目标检测的稳健性和精度。实验结果表明，本发明的樱桃果实检测mAP50为83.4%，误检率在3.7%以内，模型参数量为2.37M，检测速度为2.6fs，能满足复杂果园场景下樱桃果实的精准、高效检测需求。

本发明授权门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法在权利要求书中公布了：1.一种门控空频特征蒸馏与融合的YOLOv8樱桃果实检测方法，其特征在于按照如下步骤进行： 步骤1.输入多尺度樱桃果实的图像训练集，人工已标注的标签集，以及待处理的樱桃目标检测图像； 步骤2.建立并初始化樱桃果实检测网络，所述樱桃果实检测网络包括：1个基于门控空频特征蒸馏的特征提取子网络，1个多维度特征交织融合子网络，1个目标检测头子网络； 所述基于门控空频特征蒸馏的特征提取子网络依次设置有卷积模块、卷积模块、多路径门控交互与动态形变卷积模块、卷积模块、多路径门控交互与动态形变卷积模块、卷积模块、多路径门控交互与动态形变卷积模块、卷积模块、多路径门控交互与动态形变卷积模块及快速空间金字塔池化SPPF模块； 所述多维度特征交织融合子网络由多路径门控交互与动态形变卷积模块、、、及卷积模块、构成； 所述多路径门控交互与动态形变卷积模块、、、、、、、均设有1组由多个1×1卷积核组成的瓶颈块，1组由多个1×1卷积核组成的跨通道特征聚合块，1组由多个1×1卷积核组成的投影块，1个高效特征提取模块，1层Split操作，1层连接操作，1个门控频率特征蒸馏块；瓶颈块输出的特征图分别作为跨通道特征聚合块、高效特征提取模块以及Split操作的输入，所述Split操作的输出还通过门控频率特征蒸馏块进行处理；所述跨通道特征聚合块、高效特征提取模块、Split操作以及门控频率特征蒸馏块的输出进行连接操作后再通过投影块进行处理； 所述高效特征提取模块依次设有1组由多个1×1卷积核组成的瓶颈块，1个空间可分离卷积块，1组由多个1×1卷积核组成的逐点卷积块； 所述门控频率特征蒸馏块依次设有1组由多个3×3卷积核组成的卷积块、1组由多个1×1卷积核组成的瓶颈块，1组由多个3×3卷积核组成的卷积块，1层GELU激活函数层，1层门控操作层，1组由多个1×1卷积核组成的投影块，1层残差连接操作层； 步骤3.利用图像训练集和人工已标注的标签集，对樱桃果实检测网络进行训练，得到已完成训练的深度卷积神经网络； 步骤4.采用已完成训练的深度卷积神经网络检测图像中的樱桃果实目标，并输出检测结果。

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大连大学;觅视科技(大连)有限公司，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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。