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！

龙图腾网获悉南昌大学;江西省农业技术推广中心申请的专利一种农作物叶片病虫害检测方法及系统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：CN121438115B 。

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：202512017838.2，技术领域涉及：G06V20/10；该发明授权一种农作物叶片病虫害检测方法及系统是由廖频;夏建华;唐舟;罗国邦;黄明;刘志华;赖倞杰;彭锦洋;刘子良设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本一种农作物叶片病虫害检测方法及系统在说明书摘要公布了：本发明涉及农作物图像处理技术领域，尤其是涉及一种农作物叶片病虫害检测方法及系统，方法包括：获取初始农作物叶片图像，对现有模型和一种并行二次除法操作进行改进以得到改进YOLOv12n模型，包括：一种多尺度并行二次除法操作，将MD2f模块替换现有模型中主干网络和颈部网络的C3k2和A2f模块，将SRCDown网络替换现有模型中所有的下采样结构块，对改进YOLOv12n模型进行迭代优化训练得到农作物叶片病虫害检测模型；将初始农作物叶片图像输入农作物叶片病虫害检测模型进行检测，输出叶片病虫害检测结果。本发明在与YOLOv12n模型拥有相近的准确率的前提下能够降低存储损耗并提高对农作物叶片病虫害的检测效率。

本发明授权一种农作物叶片病虫害检测方法及系统在权利要求书中公布了：1.一种农作物叶片病虫害检测方法，其特征在于，包括： S1，获取农作物叶片的图像数据集； S2，构建多尺度并行二次除法融合网络和高效分割整合下采样网络，将所述多尺度并行二次除法融合网络作为YOLOv12模型中的主干网络，将所述高效分割整合下采样网络作为YOLOv12模型中的下采样网络，所述多尺度并行二次除法融合网络的处理过程包括： 输入特征经过由卷积核为1的逐点卷积、批归一化和SiLU激活函数组成的投射卷积模块得到特征图X，将输入特征通道数投射至目标输出通道数N，随后特征图X经过由卷积核为1的逐点卷积、批归一化和SiLU激活函数组成的分离卷积模块，对特征图X在通道维度上均分出特征图A和特征图B，对特征图A不做任务处理； 特征图B通过n个串联的多尺度并行二次除法块，以得到特征图B4，包括： 特征图B经过一个多尺度膨胀分离卷积模块，以获取高效动态调整感受野，随后经过一个高效融合卷积模块得到特征图； 特征图并行通过三分支，包括第一分支、第二分支和第三分支，每一分支具有一个卷积核为1、批归一化和SiLU激活函数组成的高维卷积投影卷积模块，其中高维卷积投影卷积模块将特征图初步投影至高维特征空间以获取更丰富的通道空间特征表示； 第一分支和第三分支分别由高效融合卷积模块对通道空间特征表示进行空间加权融合，随后各自应用Sigmoid函数进行全局高价值信号特征重评估，输出特征图和特征图； 第二分支对高维特征在通道维度进行二等分并分别通过ReLU6激活函数处理以加强非线性表达能力，输出特征图为特征图和特征图； 将特征图作为被除数，特征图作为除数进行相除得到特征图，将特征图作为被除数，特征图作为除数进行相除得到特征图； 将特征图和特征图沿通道维度进行拼接得到特征图B3，之后通过一个高效投影卷积得到特征图B4； 最后将特征图B4与残差边特征图B进行残差相加得到拼接后的特征图； 拼接后的特征图经过由卷积核为1的逐点卷积、批归一化和SiLU激活函数组成的投射卷积模块得到特征图Y，随后特征图Y经过由一个卷积核为7的可分离卷积、批归一化和SiLU激活函数组成的高效融合卷积模块得到特征图 S3，使用所述图像数据集对改进后的YOLOv12模型进行迭代化训练，得到农作物叶片病虫害检测模型； S4，将所述图像数据集输入所述农作物叶片病虫害检测模型进行检测，输出农作物叶片病虫害检测结果。

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南昌大学;江西省农业技术推广中心，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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。