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！

龙图腾网获悉华南理工大学申请的专利一种农作物病害识别方法、系统、装置及存储介质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：CN118537719B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202410434575.8，技术领域涉及：G06V20/10；该发明授权一种农作物病害识别方法、系统、装置及存储介质是由王鹏;史景伦;张俱伟;邓怿莹设计研发完成，并于2024-04-11向国家知识产权局提交的专利申请。

本一种农作物病害识别方法、系统、装置及存储介质在说明书摘要公布了：本发明公开了一种农作物病害识别方法、系统、装置及存储介质，其中方法包括：获取农作物病害数据集，对数据集进行预处理和数据扩增，得到预处理后的数据集；构建病害识别模型，采用获得的数据集对所述病害识别模型进行训练，将训练后的模型用于农作物病害识别；其中，所述病害识别模型以SCResNet50作为主干网络，并使用递归特征金字塔在每个金字塔层级上提取特征，以捕捉不同大小和分辨率的物体信息。本发明使用递归特征金字塔在每个金字塔层级上提取特征，以捕捉不同大小和分辨率的物体信息，通过将高分辨率的低层特征与富含语义的高层特征相结合，显著提升了特征表示的语义丰富度和准确性。本发明可广泛应用于农作物病害图像识别技术领域。

本发明授权一种农作物病害识别方法、系统、装置及存储介质在权利要求书中公布了：1.一种农作物病害识别方法，其特征在于，包括以下步骤： 获取农作物病害数据集，对数据集进行预处理和数据扩增，得到预处理后的数据集； 构建病害识别模型，采用获得的数据集对所述病害识别模型进行训练，将训练后的模型用于农作物病害识别； 其中，所述病害识别模型以SCResNet50作为主干网络，并使用递归特征金字塔在每个金字塔层级上提取特征，以捕捉不同大小和分辨率的物体信息； 所述SCResNet50网络，使用自校准卷积模块替换ResNet50网络中的3×3卷积模块； 所述自校准卷积模块，能同时兼顾原始尺度空间和经过下采样处理后的隐空间，在原始尺度空间中，特征图的分辨率与输入数据保持一致，而在下采样后的隐空间里，特征图的分辨率虽然有所降低，但其感受野却相应增大，这使得模型能够捕获到更广泛的上下文信息，具体的计算过程表达式如下所示： T1＝AvgPoolrX1 X′1＝UpT1*K2 Y′1＝X1*K3·σX1+X′1 Y1＝Y′1*K4 Y2＝X2*K1 Y＝ConcatY1,Y2 式中，X1,X2表示将输入特征图X按通道维度均匀划分为2组，分别表示为X1,X2；*表示卷积，·表示点积；AvgPoolr表示对特征采用平均池化降采样r倍；σ为非线性激活函数Sigmoid；Concat表示特征拼接操作；Up表示对特征进行上采样；K1、K2、K3、K4为采用的卷积核； 所述递归特征金字塔通过递归地构建图像金字塔并在每个金字塔层级上提取特征，以捕捉不同大小和分辨率的物体信息，RFP将来自主干网络各阶段输出的特征连接合并到自底向上的主干层中，从而形成一个能够多次观察图像的目标检测器主干，通过将高分辨率的低层特征与富含语义的高层特征相结合，显著提升了特征表示的语义丰富度和准确性，具体的计算过程表达式如下所示： ki＝2i+1+1 式中，t＝0,1,2,…,T表示迭代次数，表示第t次迭代后的输入特征图，其中i＝0时，为原输入图像；ki表示第i组卷积核的大小，Gi为卷积核大小为ki的卷积分组数； 表示大小为ki，分组数为Gi的卷积核；fit表示第t次迭代后经卷积核大小为ki运算后的特征图；Concat表示特征拼接操作；F表示经递归特征金字塔卷积后的输出特征图。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。