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！

龙图腾网获悉湖南省水产研究所(湖南省水产原种场)申请的专利基于深度学习的沉积物农药残留图像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：CN120894776B 。

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：202511026486.0，技术领域涉及：G06V20/69；该发明授权基于深度学习的沉积物农药残留图像识别方法是由万译文;索纹纹;曾春芳;雷琴;何咏;尹升福;李小玲;陈湘艺;杨霄;洪波;谢玉昆;刘伶俐;黄华伟设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本基于深度学习的沉积物农药残留图像识别方法在说明书摘要公布了：本发明涉及图像分析技术领域，具体为基于深度学习的沉积物农药残留图像识别方法，包括以下步骤：通过多光谱显微图像配准生成对齐图像集合，提取区域块计算像素密度与纹理对比度得可信度评分，排序筛选边缘方向集中区域为可信区域集合，输入添加通道注意力机制的ResNet‑50主干网络提取深层纹理特征生成空间增强图，拼接光谱响应差值图送入Softmax分类器输出三类农药残留标签。本发明中，通过多光谱显微成像结合互关联算法实现多通道配准，构建基于像素密度、梯度方向与纹理对比度的多维评估体系，通过排序与边缘方向筛选优化定位，引入通道注意力融合空间偏移，强化特征与空间关联，提升抗干扰与区分度。

本发明授权基于深度学习的沉积物农药残留图像识别方法在权利要求书中公布了：1.基于深度学习的沉积物农药残留图像识别方法，其特征在于，包括以下步骤： S1：通过多光谱显微成像设备获取沉积物样本的可见光红绿蓝通道图像与近红外高低波段图像，对红通道图像执行基于互关联算法的通道配准操作，生成多光谱图像集合； S2：基于所述多光谱图像集合，提取图像区域块中灰度值大于灰度阈值的像素数量占比，作为像素密度参数，采用Sobel算子计算局部梯度方向变化程度，分析像素灰度空间分布关系计算纹理对比度参数，进行归一化加权融合，生成区域可信度评分； S3：调用所述区域可信度评分，通过快速排序算法进行降序排列，选取评分靠前的区域块，基于Canny算法检测边缘方向分布，筛选主方向角度集中且边缘连通性符合条件的区域，生成可信区域集合； S4：将所述可信区域集合输入添加通道注意力机制的ResNet-50主干网络提取深层纹理特征，在空间注意力分支中计算响应值与平均响应值的偏移量，与深层纹理特征执行逐元素加权操作，生成空间增强特征图； S5：将所述空间增强特征图输入光谱特征分支，分别提取近红外高低波段与可见光通道的响应差值图，将差值图与空间增强特征图进行通道维度拼接，输入Softmax分类器输出晶体析出、吸附斑点、化学变色区三类农药残留形态分类标签； 所述分类标签包括晶体析出类型标签、吸附斑点类型标签和化学变色区类型标签； S5的具体步骤包括： S501：基于所述空间增强特征图，输入近红外通道的高低波段区域，提取位置灰度响应值，按像素对应关系构建差值图并组织为二维矩阵格式，生成近红外响应偏差矩阵； S502：调用所述近红外响应偏差矩阵，对其与可见光通道的响应值按位置计算通道响应差异值，采用公式： ； 其中，代表第行第列像素位置的通道响应差异值，代表第行第列像素位置的可见光通道响应值，代表像素中可见光通道响应值V的平均值，代表第行第列像素位置的空间增强特征图的局部权重因子，为无量纲参数，代表第行第列像素位置的近红外响应偏差矩阵值，代表像素中近红外响应偏差矩阵值N的平均值，代表像素中可见光通道响应值V的标准差，代表像素中近红外响应偏差矩阵值N的标准差，为规避分母为零而设定的极小正值常量，建立通道映射格式后与空间增强特征图进行通道拼接，生成多通道融合特征量组； S503：根据所述多通道融合特征量组，输入Softmax分类器归一化特征向量，筛选概率值对应类别索引并赋予标签，获取农药残留形态分类标签。

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湖南省水产研究所(湖南省水产原种场)，其通讯地址为：410000 湖南省长沙市开福区双河路728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。