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！

龙图腾网获悉武汉理工大学申请的专利一种基于图像分割和配准融合对葡萄进行病害检测的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：CN115170987B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202210628213.3，技术领域涉及：G06V20/17；该发明授权一种基于图像分割和配准融合对葡萄进行病害检测的方法是由熊盛武;刘赫喃设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于图像分割和配准融合对葡萄进行病害检测的方法在说明书摘要公布了：本发明提供一种基于图像分割和配准融合对葡萄进行病害检测的方法,包括：获取葡萄多光谱图像；对获取的葡萄多光谱病害图像配准后进行人工标注,分割出病斑图像并标记病斑类别；建立葡萄病害样本集,并将其划分为训练样本集和测试样本集；构建基于可见光以及近红外光下的语义分割病害检测模型；利用训练样本集和测试样本集分别对构建的葡萄病害检测模型进行训练和模型误差分析；利用训练好的葡萄病害检测模型直接对获取的实际葡萄病害图像进行检测,分割出病斑图像；融合多光谱下的病斑图像，得到最终的病害图。本发明提高了葡萄病害检测的精度,有助于及时掌握葡萄病害状态，具有广阔的应用前景。

本发明授权一种基于图像分割和配准融合对葡萄进行病害检测的方法在权利要求书中公布了：1.一种基于图像分割和配准融合对葡萄进行病害检测的方法，其特征在于，包括如下步骤： 步骤1，采集原始葡萄园可见光和近红外光图像数据； 步骤2，对原始可见光和近红外光图像数据进行预处理，获得预处理好的可见光数据集和配准后的近红外光数据集，并分别对两个数据集进行训练集和验证集； 步骤3，构建语义分割网络模型，所述语义分割网络模型包括主干特征提取网络，双注意力机制模块，带有空洞卷积的空间金字塔池化模块和上采样模块； 所述主干特征提取网络基于Xception结构构建，包含卷积层，激活层和深度可分离卷积，对于输入端输入的图像，主干特征提取网络得到含有低级语义信息的特征图和含有较高级语义信息的特征图； 所述双注意力机制模块包括位置注意力模块和通道注意力模块，该模块首先将主干网提取所得特征图进行扩张率为2的3×3卷积操作，然后将其分别送入通道注意力模块和位置注意力模块中处理，并将处理后的特征图进行元素求和以完成特征融合； 位置注意力模块的处理过程为：特征图A首先分别通过3个卷积层得到3个特征图B，C，D，然后将B，C，D进行维度转换，之后将维度转换后的B的转置与维度转换后的C相乘，再通过softmax函数得到位置注意力特征图S，接着在维度转换后的D和S的转置之间执行矩阵乘法，再乘以尺度系数α，再维度转换为原来形状，最后与A相加得到E1； 通道注意力模块的处理过程为：分别对特征图A做维度转换操作和维度转换加转置操作，得到特征图1和特征图2，将得到的两个特征图相乘，再通过softmax得到通道注意力特征图X；接着把X的转置与特征图1做矩阵乘法，再乘以尺度系数β，再维度转换为原来形状，最后与A相加得到E2； 将E1和E2进行元素求和得到输出E，将E作为双注意力机制模块的最终输出，输入到空洞空间金字塔池化模块； 所述空洞空间金字塔池化模块由1×1卷积，膨胀率为6的3×3空洞卷积，膨胀率为12的3×3空洞卷积，膨胀率为16的3×3空洞卷积和全局平均池化五部分组成，实现多尺度特征的提取；然后将空洞金字塔模块后接一个1×1卷积，进行通道数调整，得到含有高级语义的特征图； 上采样模块的处理过程为，对主干特征提取网络得到的低级语义特征图和空洞空间金字塔池化模块得到高级语义特征图做concat，再经过一个3x3卷积细化特征，从而提高不同尺度区域的分割精度；最终再进行双线性上采样，得到预测的结果，生成分割图像； 步骤4，分别利用可见光数据集和配准后的近红外光数据集中的训练集对搭建好的语义分割网络模型进行训练与验证； 步骤5，对待测试的可见光图像和近红外图像进行预处理，得到对应的测试集； 步骤6，将测试集传入到对应光谱的语义分割网络模型中，分别生成各自的语义分割结果，对各自的分割图使用离散小波变换的方法进行分割融合，得到葡萄园的病害检测图。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。