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！

龙图腾网获悉吉林大学申请的专利一种基于图像检测及MPC的扒皮辊作业参数控制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：CN121549174B 。

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：202610077948.X，技术领域涉及：A01D45/02；该发明授权一种基于图像检测及MPC的扒皮辊作业参数控制方法及系统是由薛钊;付君;靳继威;张成远;李振晔设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种基于图像检测及MPC的扒皮辊作业参数控制方法及系统在说明书摘要公布了：本发明公开了一种基于图像检测及MPC的扒皮辊作业参数控制方法及系统，涉及农业机械智能化检测与控制技术领域，包括，在玉米收获机集穗箱顶部布置摄像头，在作业期间实时采集集穗箱内玉米果穗图像；通过预训练的像素级玉米果穗损伤分类网络对玉米果穗图像执行像素级分类预测操作，生成果穗损伤占比；当果穗损伤占比符合损伤占比标准时，使扒皮辊维持当前作业参数，当果穗损伤占比不符合损伤占比标准时，执行参数优化控制流程对扒皮辊作业参数进行调节，并循环执行图像采集操作、像素级分类预测以及判定操作。本发明通过深度学习的方法能更实时、准确的检测玉米果穗收获机收获时玉米损伤比例，将玉米果穗损伤检测与控制扒皮辊工作参数相结合。

本发明授权一种基于图像检测及MPC的扒皮辊作业参数控制方法及系统在权利要求书中公布了：1.一种基于图像检测及MPC的扒皮辊作业参数控制方法，其特征在于：包括， 在玉米收获机集穗箱顶部布置摄像头，在作业期间实时采集集穗箱内玉米果穗图像； 通过预训练的像素级玉米果穗损伤分类网络对玉米果穗图像执行像素级分类预测操作，生成果穗损伤占比； 当果穗损伤占比符合损伤占比标准时，使扒皮辊维持当前作业参数，当果穗损伤占比不符合损伤占比标准时，执行参数优化控制流程对扒皮辊作业参数进行调节，并循环执行图像采集操作、像素级分类预测以及判定操作； 采集玉米果穗损伤的高质量图像数据，形成玉米果穗图像； 对玉米果穗图像进行预处理，生成预处理后的玉米果穗图像； 所述预处理包括去噪、增强对比度与图像分割； 将预处理后的玉米果穗图像按80%划分为训练集，20%划分为测试集； 当预处理后的玉米果穗图像尺寸不一致时，将训练集切割为512×512×3图像块，512×512为像素、×3为三通道，三通道为红绿蓝三颜色通道，并将切割步长设置为32； 将测试集选取不同光照与不同堆积区域的512×512×3图像块，512×512为像素、×3为三通道，三通道为红绿蓝三颜色通道； 所述预训练的像素级玉米果穗损伤分类网络采用Unet+ResNeSt50网络，其中ResNeSt50作为Unet的编码器； 所述像素级玉米果穗损伤分类网络进行训练时，进行训练参数设置； 所述训练参数包括批量大小、学习率与训练轮次； 将训练集输入Unet+ResNeSt50网络，通过堆叠残差块进行特征提取，生成中间特征图； 在堆叠残差块中加入分组注意力机制，对中间特征图进行分组并施加注意力；并通过全局平均池化与全连接层，输出分割特征表示； 在测试评估时调用训练好的像素级玉米果穗损伤分类网络，基于分割特征表示对测试集进行像素级标签预测，以移动窗形式将测试集分割成小区域，并对小区域进行像素级分类，生成像素级分类结果； 基于像素级分类结果统计得到玉米损伤面积、完好果穗区域与叶子区域，并计算得到果穗损伤占比，表达式为， ； 其中，表示果穗损伤占比；表示玉米损伤面积；表示完好果穗区域；表示叶子区域。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。