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！

龙图腾网获悉武汉大学申请的专利基于局部全局协同网络的农产品病害自动识别方法及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：CN116883835B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310707651.3，技术领域涉及：G06V20/10；该发明授权基于局部全局协同网络的农产品病害自动识别方法及系统是由宋阳;李卓鸿;汪雨晴;刘泽鹏;邹佳琦;杨光义;贺威;张洪艳设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本基于局部全局协同网络的农产品病害自动识别方法及系统在说明书摘要公布了：本发明公开了一种基于局部全局协同网络的农产品病害自动识别方法及系统，首先采集农产品样本高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入局部全局协同网络进行农产品病害的自动识别；输出结果是每个类别的概率值，选取输出概率最大的类别标签作为当前待预测图像所属的分类。本发明采用高光谱成像技术获取的茶叶叶片高光谱图像，其具有更多的波段和更高的光谱分辨率，能够更准确地反映茶叶叶片的病害情况，提高病害识别的准确性。此外，使用局部全局协同网络模型，能够自动提取茶叶病害的特征，从而实现对茶叶病害的自动识别。

本发明授权基于局部全局协同网络的农产品病害自动识别方法及系统在权利要求书中公布了：1.一种基于局部全局协同网络的农产品病害自动识别方法，其特征在于，包括以下步骤： 步骤1：采集农产品样本高光谱图像，并进行数据预处理； 步骤2：将预处理后的高光谱图像输入局部全局协同网络进行农产品病害的自动识别； 所述局部全局协同网络包括浅层局部网络分支、深层全局网络分支、上下文感知特征融合模块和分类器； 所述浅层局部网络分支，包括串联设置的两个卷积层，第一层和第二层卷积层之前均加入归一化层，之后均加入激活层； 所述深层全局网络分支，包括串联设置的四个卷积层以及一个全局注意力机制层，第一层、第二层为卷积层；第三层为全局注意力机制层；第四层、第五层为卷积层；所述第一层、第二层、第四层、第五层卷积层之前均加入归一化层，之后均加入激活层； 所述上下文感知特征融合模块，利用双线性插值将深层全局网络分支输出的特征上采样，使得浅层局部网络分支、深层全局网络分支的特征为同一种尺度，并将两个特征按照通道维度连接起来，再经过一层卷积层得到融合特征； 所述分类器设置在所述上下文感知特征融合模块后，包括一个全连接层与一个Softmax激活函数，用于在特征提取后，将特征映射到不同类别上，输出每个类别的预测概率； 所述浅层局部网络分支，第一层是卷积核大小为3的卷积层，步长为1；第二层为卷积核大小为3的卷积层，步长为1； 所述深层全局网络分支，第一层是卷积核大小为3的卷积层，步长为2；第二层为卷积核大小为3的卷积层，步长为1；第三层为全局注意力机制层，用于对第二层卷积层输出特征F，通过大小为1的卷积核构造出三个特征图Q、K和V；所述特征图Q和特征图K再进行矩阵乘法和softmax操作，得到注意力矩阵A，之后A与特征图V相乘得到权重值，该权重值再加到特征图F中后输出；第四层是卷积核大小为1的卷积层，步长为1；第五层是卷积核大小为1的卷积层，步长为1； 所述上下文感知特征融合模块，经过一层卷积核大小为3，步长为1的卷积层得到融合特征； 所述农产品病害自动识别局部全局协同网络，是训练好的农产品病害自动识别局部全局协同网络；训练过程包括以下子步骤： 步骤S1：采集若干健康农产品样本和病害农产品样本，利用成像光谱仪获取高光谱数据； 步骤S2：高光谱图像数据预处理； 步骤S3：制作农产品病害识别数据集，划分训练集和测试集； 步骤S4：在训练集上训练模型，利用反向传播算法不断优化模型参数，获得训练好的模型。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。