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！

龙图腾网获悉济南大学申请的专利基于图像的叶片形态信息提取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：CN115731257B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211428798.0，技术领域涉及：G06T7/136；该发明授权基于图像的叶片形态信息提取方法是由何文兴;张云燕;曹毅;张亚新;韩士元;陈月辉;李佳林;全晓艳设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于图像的叶片形态信息提取方法在说明书摘要公布了：本发明涉及计算机对植物表型特征的提取技术领域，具体是一种基于图像的叶片形态信息提取方法，包括以下步骤：S1、拍摄植物叶片图像构成数据集；S2、对图像进行预处理，得到叶片分割图像；S3、对叶片分割图像进行处理，得到叶片轮廓图像和叶脉骨架网络图像；S4、对叶脉骨架网络图像进行特征提取，得到叶脉特征参数，包括主要叶脉角度、叶脉总长度、叶脉的平均宽度；对叶外轮廓图进行特征提取，得到叶片轮廓线形状。相对于现有技术，本发明能够通过计算机视觉技术，在复杂多变的叶片图像中提取出更加全面叶片的表型特征，以此为衡量植物生长状况提供重要依据，并且精度高、计算速度快，对植物的研究具有更重要的意义。

本发明授权基于图像的叶片形态信息提取方法在权利要求书中公布了：1.一种基于图像的叶片形态信息提取方法，其特征在于，包括以下步骤： S1、拍摄植物叶片图像构成数据集； S2、对图像进行预处理，得到叶片分割图像； S3、对叶片分割图像进行处理，得到叶片轮廓图像和叶脉骨架网络图像； 所述步骤S3包括以下步骤： S3.1、将叶片分割图像灰度化，再对灰度图像进行高斯平滑处理，核大小为5*5； S3.2、针对S3.1得到的图像，采用自适应阈值法进行处理，对图像进行反色之后，提取图像中的所有边缘信息，设置阈值，将轮廓面积小于阈值的进行删除，获得叶片轮廓图像； S3.3、针对叶片分割图像，将图像分为训练集和验证集，用标注工具标注训练集图像；用改进的DeepLabV3+语义分割算法进行训练，所述改进的DeepLabV3+网络包括编码模块和解码模块； 所述编码模块包括主干网络和密集连接的ASPP；所述主干网络为MobileNetV2轻量级网络；所述密集连接的ASPP包括彼此并联的一层1*1深度可分离卷积、三层空洞卷积和一个全局池化层，所述三层空洞卷积的扩张率分别为6、12、18；所述编码模块用于提取特征，形成特征图； 所述的解码模块包括一个特征融合网络，即特征金字塔网络，利用特征金字塔网络将主干网络中不同尺寸特征图进行融合，得到融合之后的特征图，再与主干网络的低级特征图和密集连接的ASPP得到的高级特征图拼接，随后根据高级特征图大小进行4倍上采样，输出分割图像； 所述改进的DeepLabV3+网络中的损失函数为加权交叉熵损失函数； 通过改进的DeepLabV3+网络训练之后得到叶脉分割模型，通过对图像集进行分割得到叶脉图像； S3.4、细化步骤S3.3得到的叶脉图像的像素，将图像的线条从多像素宽度减少到单位像素宽度，得到叶脉骨架网络图像； S4、对叶脉骨架网络图像进行特征提取，得到叶脉特征参数，包括主要叶脉角度、叶脉总长度、叶脉的平均宽度；对叶外轮廓图进行特征提取，得到叶片轮廓线形状。

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济南大学，其通讯地址为：250000 山东省济南市市中区南辛庄西路336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。