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！

龙图腾网获悉四川农业大学申请的专利基于领域自适应的双模块协同玉米成熟度检测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：CN121147912B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511677704.7，技术领域涉及：G06V20/68；该发明授权基于领域自适应的双模块协同玉米成熟度检测方法是由龙朝利;李军;周思远;刘敏;陶雨晨;阳欣羽;阿的克古;代辉设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本基于领域自适应的双模块协同玉米成熟度检测方法在说明书摘要公布了：本发明涉及玉米成熟度检测领域，具体涉及一种基于领域自适应的双模块协同玉米成熟度检测方法。方案包括：采集玉米果穗图像；对采集的图像进行处理，构建数据集；构建成熟度检测网络模型YOLOv11n‑filament；引入HistogramTransformer模块与PPA模块；引入特征交互层与场景响应机制；优化损失函数；调整成熟度检测网络模型，并通过数据集对成熟度检测网络模型进行训练；部署调整后的成熟度检测网络模型，实时采集图进行玉米成熟度检测。本发明通过引入的两个模块协同强化细粒度特征与抗干扰能力，将颜色相似度度量与花丝主轴方向约束深度融合，降低成熟度分级误差。本发明适用于玉米成熟度检测。

本发明授权基于领域自适应的双模块协同玉米成熟度检测方法在权利要求书中公布了：1.基于领域自适应的双模块协同玉米成熟度检测方法，其特征在于，包括： S1、采集玉米果穗图像； S2、对采集的图像进行处理，构建数据集； S3、构建成熟度检测网络模型YOLOv11n‑filament； S4、引入Histogram Transformer模块与PPA模块； S5、引入特征交互层与场景响应机制； S6、正负样本匹配，优化损失函数； S7、调整成熟度检测网络模型，并通过数据集对成熟度检测网络模型进行训练； S8、部署调整后的成熟度检测网络模型，实时采集图进行玉米成熟度检测； 步骤S4具体包括： 引入Histogram Transformer模块解决在恶劣天气图像恢复中的局限，Histogram Transformer模块包含核心的DHSA模块与DGFF模块，通过DHSA模块，首先对输入特征进行动态范围卷积，将特征重排序为并与原始特征拼接，经过可分离卷积与花丝颜色敏感激活函数生成规则模式，扩大卷积动态范围以分离退化特征与背景，表示对特征X进行排序，表示排序结果，表示将原始特征X重排序后再与原始特征X拼接，表示逐元素相乘，表示花丝颜色权重矩阵，表示深度可分离卷积，表示对拼接后的特征进行花丝颜色加权结果； 随后通过直方图自注意力机制，将特征值划分为K个直方图，在bin内计算自注意力权重并跨bin交互，Q表示基于输入特征生成的查询特征，d表示Q的特征维度，表示key键，提供可供查询匹配的特征，T表示矩阵的转置，·表示乘积； DGFF模块则通过并行双分支经门控融合增强多尺度信息提取能力，、分别表示DGFF模块中两个并行分支提取到的特征； 引入PPA模块，首先对输入特征图 F∈RH′×W′×C执行点卷积生成F′，随后启动三路并行处理： 主路径串联3层1×3与3×1的分离卷积，用于适配玉米花丝细长形态，强化轴向特征提取； 两个Patch‑Aware分支将输入特征图 F′展开为非重叠块 ，表示分块网络的边长，表示输入特征图F′的高度，表示特征图F′的宽度，表示非重叠块的边长参数，表示输入特征图F′的通道数，经均值池化降维后通过Softmax和特征选择模块计算注意力权重，其中p=2将F′展开为2×2非重叠块，经均值池化后通过绒毛纹理敏感特征选择模块计算权重，聚焦局部细粒度纹理，绒毛纹理敏感特征选择模块用于保留玉米花丝表面绒毛的高频特征； p=4将F′展开为4×4非重叠块，通过遮挡区域上下文推理模块计算权重，捕捉全局遮挡关系，遮挡区域上下文推理模块基于叶片掩码先验，对遮挡边缘特征赋予更高关注度； 三路输出在加法器融合为 ，再送入注意力模块进行双重增强： 在通道维度生成一维权重图Mc，强化成熟度敏感特征； 在空间维度生成二维掩膜Ms，聚焦花丝区域并抑制背景； 最终通过元素乘法输出优化特征，，⊕表示逐元素相加。

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四川农业大学，其通讯地址为：625000 四川省雅安市雨城区新康路46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。