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！

龙图腾网获悉河南农业大学申请的专利一种基于卷积注意力机制的CBAM-HRNet模型小麦穗粒分割与计数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：CN116703932B 。

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：202310604004.X，技术领域涉及：G06T7/10；该发明授权一种基于卷积注意力机制的CBAM-HRNet模型小麦穗粒分割与计数方法是由许鑫;耿庆;马新明;乔红波设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于卷积注意力机制的CBAM-HRNet模型小麦穗粒分割与计数方法在说明书摘要公布了：本发明公开了一种基于卷积注意力机制的CBAM‑HRNet模型小麦穗粒分割与计数方法，涉及分割与计数技术领域，包括以下步骤，首先进行数据集图像的采集，并对图像进行预处理形成麦穗数据集；再使用深度学习分割网络对小麦穗粒进行图像分割，经过训练得到预测模型，并调用预测模型对测试集进行测试，输出预测结果；通过上述输出的预测结果结合图像处理技术构建穗粒计数模型，实现小麦穗粒的精准预测和计数。本发明构建了基于卷积注意力机制的CBAM‑HRNet小麦穗粒分割计数深度学习模型，利用图像处理算法和小麦穗粒纹理特征构建穗粒计数模型；本发明方法对小麦穗粒分割效果更优，且具有更好的鲁棒性，分割精度也进一步提升，还表现出较强的泛化能力。

本发明授权一种基于卷积注意力机制的CBAM-HRNet模型小麦穗粒分割与计数方法在权利要求书中公布了：1.一种基于卷积注意力机制的CBAM-HRNet模型小麦穗粒分割与计数方法，其特征在于：包括以下步骤： 步骤一、数据采集：分别选取多株不同品种的小麦，并获取多张各类原始麦穗图像，创建基于不同品种的麦穗信息表； 步骤二、对上述步骤一中的麦穗图像进行预处理：包括数据归一化处理和数据增强，形成麦穗数据集； 步骤三、使用深度学习分割网络对小麦穗粒进行图像分割，经过训练得到预测模型，并调用预测模型对测试集进行测试，输出预测结果：构建基于卷积注意力机制的CBAM-HRNet、HRNet、PSPNet、DeeplabV3+分割模型以及U-Net来分别进行小麦穗粒的分割并进行结果对比；所述CBAM-HRNet的网络主体包含四个阶段和四个并行卷积分支，分辨率分别为14、18、116和132；第一阶段包含4个瓶颈层残差单元，每个单元后面跟随3×3卷积，将特征图的数量变为32，其他阶段相同；每个模块包含4个残差单元，每个单元为每个分辨率提供两个3×3卷积，其后跟随BN层与非线性激活函数ReLU，每个阶段的末尾存在多分辨率融合模块； 所述CBAM-HRNet通过并行多个分辨率的分支，加上不断进行不同分支之间的信息交互，同时达到强语义信息和精准位置信息的目的，避免大量有效信息在不断的上下采样过程中丢失；通过加入所述卷积注意力机制CBAM以实现表征分支的上采样过程； 步骤四、通过上述步骤三输出的预测结果结合图像处理技术构建穗粒计数模型，实现小麦穗粒的精准预测和计数：对各品种选取的麦穗样本经深度学习分割模型预测之后，各个穗粒之间会有部分粘结，需要图像处理方法消除重叠和粘结的部分，包括以下步骤： S401、对上述步骤三的预测结果进行灰度处理，色彩空间转换由RGB转为GRAY； S402、对图像阈值二值化处理以去除重叠部分；二值化图像需要腐蚀变换来消除噪点，并计算图像中像素点到最近零像素点的距离，距离变换后得到轮廓的骨架； S403、对上述二值化处理后的图像使用归一化将有量纲的表达式经过变换转化为无量纲的表达式，成为标量，经归一化得到图像的灰度值在0-1.0之间； S404、通过二值化和开运算将灰度图像处理成二值化图像； S405、根据上述二值化图像提供的边界点绘制形状来进行轮廓提取，提取到的轮廓即为小麦一侧的穗粒数。

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河南农业大学，其通讯地址为：450000 河南省郑州市郑东新区龙子湖高校园区15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。