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！

龙图腾网获悉中国农业大学申请的专利一种基于数码图像和半监督学习的玉米雄穗分支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：CN116343044B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310329989.X，技术领域涉及：G06V20/10；该发明授权一种基于数码图像和半监督学习的玉米雄穗分支计数方法是由马韫韬;王璐;朱晋宇;李保国设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于数码图像和半监督学习的玉米雄穗分支计数方法在说明书摘要公布了：一种基于数码图像和半监督学习的玉米雄穗分支计数方法，属于植物表型测量领域。所述方法为：玉米雄穗分支识别模型YOLOv5‑C3CA的构建：基于YOLOv5构建新网络模型YOLOv5‑C3CA，用于玉米雄穗分支识别；基于YOLOv5‑C3CA模型并引入半监督学习的玉米雄穗分支识别模型；玉米雄穗识别和分支数提取：应用基于半监督学习的YOLOv5‑C3CA检测模型识别玉米雄穗；识别雄穗后继续应用基于半监督学习的YOLOv5‑C3CA训练模型，提取玉米雄穗分支数。本发明的玉米雄穗识别及雄穗分支识别较为精准，表明所提出的基于半监督学习的玉米雄穗分支计数方案可行，不仅保证了模型的检测性能，还节省了数据标注工作量。

本发明授权一种基于数码图像和半监督学习的玉米雄穗分支计数方法在权利要求书中公布了：1.一种基于数码图像和半监督学习的玉米雄穗分支计数方法，其特征在于：所述方法步骤为： 步骤一：玉米雄穗分支识别模型YOLOv5-C3CA的构建：基于YOLOv5构建新网络模型YOLOv5-C3CA，用于玉米雄穗分支识别；所述YOLOv5-C3CA网络包括输入端Input、主干网络Backbone、颈网络Neck和预测网络Prediction四部分；其中，Input用于自适应图片缩放，视图图像长宽像素能被32整除即可；Backbone由多个卷积模块Conv、多个特征提取模块C3、嵌入坐标注意力的特征提取模块C3CA和多尺度融合模块SPPF组成，按照顺序依次为Conv、Conv、C3、Conv、C3、Conv、C3、Conv、C3CA和SPPF，第二和第三个C3及SPPF输入Neck，输入图像后根据边界框区域提取玉米雄穗和雄穗分支特征；Neck由多个Conv、多个上采样模块Upsample、多个连接模块Concat-Bifpn与多个C3模块组成，按照顺序依次为Conv、Upsample、Concat-Bifpn、C3、Conv、Upsample、Concat-Bifpn、C3、Conv、Concat-Bifpn、C3、Conv、Concat-Bifpn、C3，第一个Conv和第四个Conv应用Concat-Bifpn连接，第二个Conv和第三个Conv同样应用Concat-Bifpn连接；Prediction获取Neck的三个输出后，预测输出目标的边界框坐标、类别和置信度； 步骤二：基于步骤一的YOLOv5-C3CA模型并引入半监督学习的玉米雄穗分支识别模型；步骤二中，算法流程如下： 1应用标注数据训练初始教师模型YOLOv5-C3CA，用于预测无标签数据； 2通过训练好的教师模型对无标签数据进行预测，同时过滤无标签数据中类别置信度小于0.3的边界框，根据模型预测的边界框制作伪标签，文件格式为.xml； 3融合标签数据与伪标签数据训练学生模型YOLOv5-C3CA，为了提高模型的泛化性和鲁棒性，训练模型过程添加输入噪声和模型噪声，输入噪声为数据增强，模型噪声为随机梯度下降优化器； 4将步骤3中的学生模型作为新的教师模型，并回到步骤2，反复循环训练模型，循环次数为3次； 步骤三：玉米雄穗识别和分支数提取：应用步骤二得到的基于半监督学习的玉米雄穗分支识别模型识别玉米雄穗；识别雄穗后继续应用基于半监督学习的玉米雄穗分支识别模型，提取玉米雄穗分支数。

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中国农业大学，其通讯地址为：100000 北京市海淀区圆明园西路2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。