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！

龙图腾网获悉天津农学院申请的专利基于HRNet网络的单分蘖水稻植株表型参数提取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：CN116721266B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310729643.9，技术领域涉及：G06V10/46；该发明授权基于HRNet网络的单分蘖水稻植株表型参数提取方法是由宋欣;丁子桐;冯秋瑞;张家硕;杨磊设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本基于HRNet网络的单分蘖水稻植株表型参数提取方法在说明书摘要公布了：本发明涉及一种基于HRNet网络的单分蘖水稻植株表型参数提取方法，其包括以下步骤：采集单分蘖水稻图像、标注数据集并进行训练；使用HRNet网络进行训练，训练好的模型用以检测水稻关键点；检测到的叶片关键点根据与穗部关键点的距离，筛除误检的关键点；根据剩下的叶片关键点语义信息，筛除多余的叶片关键点；将各个叶片关键点根据语义信息连接，构建水稻骨架，并返回各个点的坐标；根据各点语义信息和坐标值，计算各项表型参数。本发明通过借鉴人体姿态检测方法，对单分蘖水稻关键点进行检测，设置条件筛选合适的关键点，根据语义信息构建单分蘖水稻植株骨架，通过比例尺进行尺度变换，获取实际植株株高、茎叶穗长度、叶片夹角等表型参数。

本发明授权基于HRNet网络的单分蘖水稻植株表型参数提取方法在权利要求书中公布了：1.一种基于HRNet网络的单分蘖水稻植株表型参数提取方法，其特征在于：包括以下步骤： 1采集单分蘖水稻图像、标注数据集并进行训练，初始训练默认6叶片共40个关键点； 2使用HRNet网络进行训练，训练好的模型用以检测水稻关键点； 3检测到的叶片关键点根据与穗部关键点的距离，筛除误检的关键点； 4根据剩下的叶片关键点语义信息，筛除多余的叶片关键点； 5将各个叶片关键点根据语义信息连接，构建水稻骨架，并返回各个点的坐标； 6根据各点语义信息和坐标值，计算各项表型参数; 所述步骤1中的图像采集使用的背景板左下角标一个实际尺寸10cm×10cm的黑色正方形作为标尺，在计算各项表型参数时起到比例尺作用； 所述步骤1中默认的40个关键点规则为：茎部按照从根到穗方向，依次标注标注S_1-S_5；穗部按照从茎向穗尖端方向，依次标注P_1-P_5；默认每个植株6个叶片，每个叶片按照从叶片茎部连接点向叶尖端的方向依次标注L_i_1-L_i_5，i表示单分蘖水稻植株的第i个叶片，数据集标注中叶片个数按照实际情况标注； 所述步骤2采用迁移学习方法，使用了HRNet-W32人体姿态检测模型作为预训练模型权重，更改输出通道数以满足水稻关键点检测需要； 所述步骤3包括以下步骤： 3.1输出检测到的各个关键点的语义信息，并分别提取穗部5个关键点、叶片30个关键点； 3.2分别计算每个叶片关键点与穗部第3、4、5关键点之间的距离T，并根据实际情况设置阈值T0，当某个点的T小于阈值T0的则删除该关键点； 所述步骤4包括以下步骤： 4.1整理现有的各个叶片关键点； 4.2若一个叶片上保留了三个以上的关键点，则视为有效叶片，恢复叶片上的5个点； 4.3若一个叶片上只有一个或两个关键点，则视为无效叶片，筛除叶片上的5个点； 4.4若一个叶片上有三个关键点，需要判断各点语义信息，只有同时具备第1、2、5点时，视为有效叶片，恢复叶片上的5个点，否则视为无效叶片，筛除叶片上的5个点; 所述步骤5的具体实现方法为：提取现有的各个关键点的语义信息和坐标，并且穗、茎和各个叶片分别按照1-5的顺序连接； 所述步骤6包括以下步骤： 6.1计算植株高度：水稻穗部最高点与茎部最低点在y轴上的最大差值默认为是水稻植株的高度，取穗部最高关键点PmaxXmax,Ymax，与S_1X0,Y0，植株高度H计算公式为：6.2计算叶片、茎秆、稻穗长度：取叶片、茎秆、稻穗骨架上的关键点P1、P2……Pn，每一个关键点的坐标为Xj,Yj0j≤n，则长度L计算公式为：式中：Xj-1是待计算的关键点前一个点的横坐标；Yj-1是待计算的关键点前一个点的纵坐标； 6.3计算叶片夹角：根据靠近植株叶片与茎秆交点处最近的两个茎秆点，求出茎秆切线斜率m1，选择叶片上第一、二个点计算叶片切线斜率m2，则叶片夹角θ计算公式为：。

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天津农学院，其通讯地址为：300384 天津市西青区津静公路22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。