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！

龙图腾网获悉淮阴工学院申请的专利一种基于MSA-DViTNet轻量级模型的芒果叶斑病识别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：CN117197803B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202311143061.9，技术领域涉及：G06V20/68；该发明授权一种基于MSA-DViTNet轻量级模型的芒果叶斑病识别方法是由王文豪;孙陈瑾;靳陶阳;付步颖;伍言伦;牟孝志;陈鑫;赵丽娟;戚薇设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本一种基于MSA-DViTNet轻量级模型的芒果叶斑病识别方法在说明书摘要公布了：本发明公开了一种基于MSA‑DViTNet轻量级模型的芒果叶斑病识别方法，包括如下步骤：步骤1、对获取的芒果叶斑病数据图片根据病害类别进行分类并制作成数据集；步骤2、对步骤1得到的数据集使用数据增强对获得的数据集进行样本扩充，经预处理后得到训练集和验证集；步骤3、构建基于MSA‑DViTNet轻量级模型的芒果叶斑病识别网络；步骤4、利用步骤2得到的训练集输入到步骤3建立的基于MSA‑DViTNet轻量级模型的芒果叶斑病识别网络中进行模型训练，获得最优的模型权重；步骤5、使用步骤4中得到的最优模型权重作为预训练模型，在验证集上进行图像分类验证，以评估模型的性能。本发明能够提高芒果叶斑病的识别准确率，实现芒果叶斑病识别的轻量化部署。

本发明授权一种基于MSA-DViTNet轻量级模型的芒果叶斑病识别方法在权利要求书中公布了：1.一种基于MSA-DViTNet轻量级模型的芒果叶斑病识别方法，其特征在于，包括如下步骤： 步骤1、对获取的芒果叶斑病数据图片根据病害类别进行分类并制作成数据集； 步骤2、对步骤1得到的数据集使用数据增强对获得的数据集进行样本扩充，经预处理后得到训练集和验证集； 步骤3、构建基于MSA-DViTNet轻量级模型的芒果叶斑病识别网络，包括初步特征提取模块，局部特征提取模块、全局特征提取模块和融合模块；其中，所述初步特征提取模块用于对输入图像进行浅层特征提取，所述局部特征提取模块通过在图像的不同位置滑动并提取局部特征，捕捉图像中的局部细节，所述全局特征提取模块利用图像中不同区域之间的上下文信息对整个图像进行分析，所述融合模块用于对提取到的所有特征进行整合，输出最终的芒果叶斑病识别分类结果；初步特征提取模块用于提取输入的特征信息，减小特征映射的大小，通过两次Concat连接和一次Add连接将卷积和最大池化操作融合在一起，采用膨胀卷积结合多尺度提取实现浅层特征的提取；初步特征提取模块将输入的分类图片第一阶段采用一个两层3×3卷积代替5×5卷积获取更大的感受野，然后利用3×3卷积并行最大池化层进行下采样操作，进行Concat连接增加通道数；第二阶段采用两个分支，左分支依次连接的是1×1卷积和3×3卷积，右分支依次连接的是1×1卷积和三个3×3膨胀卷积，进行Concat连接增加通道数；第三阶段采用3×3卷积并行最大池化层进行下采样操作，进行Add连接输出特征图； 局部特征提取模块包括三个依次连接的特征提取模块：MSA_I模块、MSA_C模块和MSA_I模块，其中MSA_I模块能够抑制不必要的特征，MSA_C模块对输入的芒果叶斑病图片进行不同尺度的特征提取；MSA_I模块首先经过1×1的卷积层得到芒果升维特征图，再经过3×3的深度可分离卷积和改进的CBAM注意力机制进行特征提取，最后经过1×1的卷积层降维得到最初的芒果特征图；MSA_C模块采用三个分支构建多尺度特征提取模块，第一个分支采用一个1×1的卷积层进行下采样操作，不改变通道数维度；第二个分支采用先升维后降维操作，中间采用一个3×3的深度可分离卷积进行特征提取，形成一个倒瓶颈结构；第三个分支也采用先升维后降维操作，中间采用两个3×3的深度可分离卷积来获取更大的感受野；三个分支得到的特征图使用Add连接实现特征融合得到最终的特征图； 全局特征提取模块包括四个依次连接的特征提取模块：MSA_C1模块、DViT模块、MSA_C2模块和DViT模块，MSA_C1模块、MSA_C2模块和MSA_C模块的结构一致；DViT模块先利用3×3卷积提取局部表征，1×1卷积进行通道调整，接着经Unflod将特征图分割成token并展开成序列，输入到若干个并行Transformer模块中进行全局特征提取，经Flod将特征图折叠成原特征图形式，然后利用1×1卷积将通道调整为原始大小，接着通过shortcut捷径分支与原始输入特征图按通道concat拼接，最后通过一个3×3卷积进行特征融合得到最终的输出； 步骤4、利用步骤2得到的训练集输入到步骤3建立的基于MSA-DViTNet轻量级模型的芒果叶斑病识别网络中进行模型训练，获得最优的模型权重； 步骤5、使用步骤4中得到的最优模型权重作为预训练模型，在验证集上进行图像分类验证，以评估模型的性能。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘路1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。