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马铃薯疮痂病识别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：CN117218645B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202311198448.4，技术领域涉及：G06V20/68；该发明授权马铃薯疮痂病识别方法是由吴秋兰;尚素雅;张峰;周波;赵恒;孙守鑫;高峥;史文宠;张家辉;王姝妹;宋鑫龙设计研发完成，并于2023-09-18向国家知识产权局提交的专利申请。

本马铃薯疮痂病识别方法在说明书摘要公布了：本发明马铃薯疮痂病识别领域，具体是一种基于语义分割的马铃薯疮痂病识别系统，本发明目的在于准确分割马铃薯疮痂病斑，精准估计疮痂覆盖率，提出了一种基于多尺度特征融合的马铃薯疮痂病分割模型，命名为MSFF‑UNet。该模型在U‑Net模型的基础上，使用VGG16作为主干网络，增强模型的特征提取以及语义理解能力；其次，在解码器特征向上融合的过程加入了深度特征增强模块，通过叠加一系列卷积和归一化操作，提高了不同尺寸马铃薯疮痂病斑及其分布情况的区分度；最后，在解码器中加入多尺度特征融合模块，对解码器的高层次特征进行强化特征提取、低层次特征进行上采样后进行特征融合，随后逐层向上融合，捕获不同尺度下的马铃薯疮痂病斑语义信息，实现对马铃薯及疮痂病斑的精准分割。

本发明授权马铃薯疮痂病识别方法在权利要求书中公布了：1.一种马铃薯疮痂病识别方法，其特征在于，其包括下列步骤： S1：马铃薯疮痂病数据采集：采集每种疮痂病的图像； S2：数据处理与数据集构建：对采集到的马铃薯疮痂病图像集进行预处理，采用Labelme标注工具标注马铃薯疮痂病图像，标注马铃薯和疮痂病斑两类目标，再将标注图从.json格式转换为.png格式保存，最后将标注的数据按照7:2:1比例划分为训练集、验证集、测试集； S3：构建用于马铃薯疮痂病分割模型：将U-Net编码器部分的主干网络设置为VGG16，在解码器的特征提取部分添加深度特征提取模块，通过引入不同卷积核大小的叠加操作、加入批归一化层以生成更加丰富、稳定的特征表达，其中，批归一化的计算方式可表示为： ； 式中，xi为输入的原始特征数据，μ和σ2为批次内样本的均值及方差，ε为趋于0的正数，γ为缩放因子，β为平移因子； 在解码器的特征向上融合部分加入多尺度特征融合模块，通过对低尺寸特征图进行转置卷积操作、对高尺寸特征图叠加卷积和批归一化操作，最后将二者融合，将融合后的特征图再次与解码器中向上融合的特征图进行融合，扩大感受野范围，丰富特征层次，在更好地捕获不同尺度下的马铃薯疮痂病斑语义信息，其中转置卷积的计算公式如下： ； 其中Insize表示输入特征图大小，Stride代表步幅，P代表填充数量，kernelsize代表卷积核大小，转置卷积后特征图可以通过以下公式表示： ； 其中TransposeConv表示转置卷积操作，x1表示输入特征图，多次卷积和归一化操作后输出的特征图可以表示为： ； 其中ReLU代表激活函数，BatchNorm代表批归一化操作，Conv代表卷积操作，X2代表输入特征图 S4：通过训练集训练马铃薯疮痂病识别模型； S4-1：为了验证马铃薯疮痂病识别的性能，训练实验中采用了MPA、MIoU、IoU、Precision指标进行评估，计算公式如下： ； ； ； ； 其中TN表示模型正确地将负类别样本分类为负类别，TP表示模型正确地将正类别样本分类为正类别，FN表示模型错误地将正类别样本分类为负类别，FP表示模型错误地将负类别样本分类为正类别，k为类别数； S4-2：进行训练； S5：将S4步骤训练后的马铃薯疮痂病识别模型部署到移动端APP中，通过移动端APP拍照识别马铃薯疮痂病，并估算疮痂覆盖率。

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：271000 山东省泰安市岱宗大街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。