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！

龙图腾网获悉浙江农林大学申请的专利一种融合自监督增强的轻量化Transformer番茄病害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：CN120833523B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511278029.0，技术领域涉及：G06V10/764；该发明授权一种融合自监督增强的轻量化Transformer番茄病害识别方法是由周厚奎;郭姝彤设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种融合自监督增强的轻量化Transformer番茄病害识别方法在说明书摘要公布了：本发明公开了一种融合自监督增强的轻量化Transformer番茄病害识别方法，所述方法为：通过收集获取番茄病害的图像，对图片进行数据预处理；提出SAEFormer模型，包括引入多尺度选择融合注意力模块，增强模型对特征的提取能力；并且引入自监督学习损失，有效提升模型对细粒度差异的建模能力；采用RepBN优化策略，以提升模型部署效率并降低计算开销；将预处理后的图像数据输入到模型中进行训练与验证，获得最优模型；最后将待分类图像输入到最优模型中获取分类结果。本发明提出的一种融合自监督增强的轻量化Transformer番茄病害识别方法，可确保对番茄病害快速识别并获得正确类型，具有良好的应用前景。

本发明授权一种融合自监督增强的轻量化Transformer番茄病害识别方法在权利要求书中公布了：1.一种融合自监督增强的轻量化Transformer番茄病害识别方法，其特征在于，包括以下步骤： a.收集番茄病害图像数据集T，对输入网络的图像I进行数据预处理，得到处理后的图像数据集MT； b.构建融合自监督增强的轻量化Transformer番茄病害识别模型SAEFormer，所述模型包括多尺度选择融合注意力模块MSFAB，用于增强模型对特征的提取能力；所述MSFAB模块的实现过程包括： 对步骤a中的图像数据X进行条件位置编码CPE，以输入token的局部邻域为条件引入位置信息，得到包含位置信息的图像特征X′，表示为： X′＝X+CPEX； 通过卷积核大小为3的深度可分离卷积提取细粒度特征及局部纹理；在分支一中采用卷积核大小为1的卷积进行通道压缩，生成特征F1；在分支二中依次采用卷积核大小为5的深度可分离卷积提取上下文信息，再通过卷积核大小为1的卷积进行通道压缩，生成特征F2；将特征F1和F2沿通道维度拼接，形成融合特征Ffuse： F1＝Conv1×1DWConv3×3X′， F2＝Conv1×1DWConv5×5DWConv3×3X′， Ffuse＝ConcatF1,F2； 对融合特征Ffuse沿通道维度做最大池化maxFfuse与自适应平均池化avgFfuse得到空间图，经过卷积核大小为1的卷积和Sigmoid激活函数生成空间注意力图M： M＝σConcatmaxFfuse,avgFfuse； 将生成的空间注意力图和融合特征进行逐元素乘法⊙加权得到空间特征Fs： Fs＝Ffuse⊙M； 分别对F1和F2做通道加权，得到F′1和F′2，再通过全局平均池化GAP后送入全连接层压缩得到一个选择性通道向量，再进行softmax操作拆分为两个权重向量a1和a2，分别对F′1和F′2，进行通道级乘法加权： a1＝softmaxF1，a2＝softmaxF2， F′1＝a1·F1，F′2＝a2·F2， Fc＝F′1+F′2； 然后将空间注意力输出Fs与通道注意力输出Fc相加得到两个分支，与初始输入X′相加形成残差输出Y： Y＝X′+Fs+Fc； 并且，引入自监督学习损失，有效提升模型对细粒度差异的建模能力；采用RepBN优化策略，以提升模型部署效率并降低计算开销； c.将预处理后的番茄病害图像数据送入到SAEFormer模型中进行训练与验证，通过四个评价指标评估模型的最终性能； d.将待分类的番茄病害图像输入至上述步骤c训练得到的SAEFormer模型中，通过正向计算输出分类结果。

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农林大学，其通讯地址为：311300 浙江省杭州市临安区武肃街666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。