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！

龙图腾网获悉山东农业大学申请的专利基于多源特征融合的葡萄果粒分割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：CN120823603B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510842213.7，技术领域涉及：G06V20/70；该发明授权基于多源特征融合的葡萄果粒分割方法是由张承明;姚明诚;吴门新;张继波;李红英;靳艳慧;徐浩;董星宇;卫建国;展浩翔设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于多源特征融合的葡萄果粒分割方法在说明书摘要公布了：本申请公开了一种基于多源特征融合的葡萄果粒分割方法，涉及图像处理技术领域，建立了一种基于多源特征融合的实例分割网络MFFNet，MFFNet协同利用SwinTransformer提取的强大语义特征、并行边缘分支生成的显式边界信息。ASFF自适应融合的多尺度信息进行果粒分割，采用分阶段特征融合策略在不同阶段进行针对性的特征融合，提升了复杂场景下葡萄果粒分割的精度与鲁棒性。通过MFFNet有效解决了复杂田间环境下葡萄果粒密集、遮挡及边界模糊等分割难题。分阶段特征融合策略，提升了模型对物体轮廓的感知和描绘能力，较好解决了实例粘连和边界不清晰问题。

本发明授权基于多源特征融合的葡萄果粒分割方法在权利要求书中公布了：1.一种基于多源特征融合的葡萄果粒分割方法，其特征在于，包括： 将获取的葡萄图像输入到构建的基于多源特征深度融合的实例分割网络MFFNet中，所述MFFNet包括：层次化特征提取与边缘检测模块、多尺度与多源特征融合模块和实例预测模块； 所述层次化特征提取与边缘检测模块从葡萄图像中并行提取多尺度语义特征和边缘概率图，所述边缘概率图用于确定所述葡萄图像的全局及局部边缘特征； 所述多尺度与多源特征融合模块通过自适应空间特征融合优化多尺度语义特征获得主干特征，并采用分阶段融合策略将全局及局部边缘特征分别融入主干特征与实例级表示中，以提高掩码的边缘精度； 所述多尺度与多源特征融合模块包括自适应空间特征融合模块ASSF、区域提议网络和感兴趣区域对齐模块，所述多尺度与多源特征融合模块通过自适应空间特征融合优化多尺度语义特征获得主干特征，并采用分阶段融合策略将全局及局部边缘特征分别融入主干特征与实例级表示中，以提高掩码的边缘精度，包括： 自适应空间特征融合阶段，ASFF模块学习自适应样本的融合权重，整合SwinTransformer架构输出的多尺度特征图生成更具判别力、对不同尺度葡萄果粒更为敏感的融合特征； 设计分阶段边缘特征融合策略，利用FPN和感兴趣区域对齐模块在特征传递的不同阶段将不同的边缘信息融入主特征，增强对葡萄果粒边界的感知能力； 所述自适应空间特征融合阶段，ASFF模块学习自适应样本的融合权重，整合SwinTransformer架构输出的多尺度特征图生成更具判别力、对不同尺度葡萄果粒更为敏感的融合特征，包括： 对每个特征图Fi分别应用卷积层，将通道数从Ci调整为统一的通道数，得到新的特征图； 对于目标融合层级i，将每个通过双线性插值进行上采样或下采样，得到调整尺寸后的特征图，，获得了一组空间分辨率对齐的特征图，它们都具有个通道和的空间分辨率； 引入一组可学习的权重参数，代表用于生成第i个融合特征图Yi的权重向量，对每个权重向量应用Softmax函数进行归一化：，其中是归一化后的权重，满足； 通过将归一化后的权重wil与对应空间调整后的特征图Rl→i进行加权求和，得到第i层的最终融合特征图Yi： ； 所述实例预测模块利用深度融合后的特征并行预测获得葡萄果粒的分割结果。

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山东农业大学，其通讯地址为：271099 山东省泰安市泰山区财源街道岱宗大街61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。