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！

龙图腾网获悉福建省农业科学院数字农业研究所申请的专利一种基于深度学习模型的果蔬分级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：CN120997603B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511530170.5，技术领域涉及：G06V10/764；该发明授权一种基于深度学习模型的果蔬分级方法是由刘现;林营志;苏明星设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种基于深度学习模型的果蔬分级方法在说明书摘要公布了：本发明公开了一种深度学习模型的果蔬分级方法，其通过分阶段处理，逐步判断果蔬的质量等级。该种分段式分级策略，一方面，除果蔬的特征值外，其还利用深度学习的语义分割网络模型识别了果蔬图像的果蔬缺陷类型，引入果蔬缺陷类型作为分级依据，显著增加了判断因素的多样性，使得分级结果更加精细和准确；另一方面，通过分段式处理，本发明能够在早期阶段快速筛选无果蔬缺陷果蔬，并优先利用果蔬缺陷类型进行分级，避免了不必要的特征值计算，从而大幅减少了计算量，提高了分级效率。

本发明授权一种基于深度学习模型的果蔬分级方法在权利要求书中公布了：1.一种基于深度学习模型的果蔬分级方法，其特征在于：包括以下步骤： C1.实时采集果蔬图像c； C2.对步骤C1实时采集的果蔬图像c进行预处理，预处理操作包括图像分割处理：提取图像中感兴趣的果蔬部分，去除对图像识别无用的背景部分； C3.将步骤C2预处理后的图像切成小块，得到数块小块的切块图像c； C4.利用神经网络模型，对步骤C4中得到的各切块图像c进行识别； C5.依据步骤C4的识别结果，判断切块图像c中是否有一块及以上切块图像c存在果蔬缺陷： 如若步骤C5中判断的各切块图像c中，所有的切块图像c均无果蔬缺陷，则计算步骤C1实时采集的果蔬图像c中果蔬的特征值，依果蔬的特征值对果蔬进行分级；果蔬的特征值包括果蔬各颜色的面积占比、果形、体积中一个或多个的值； 如若步骤C5中判断的各切块图像c中，有一块及以上图像存在果蔬缺陷，则利用语义分割网络模型，对步骤C2预处理后的果蔬图像c的果蔬缺陷进行识别，判断果蔬缺陷类型；判断出果蔬缺陷类型后，先依果蔬缺陷类型对果蔬进行分级；在无法由果蔬缺陷类型进行分级时，再计算步骤C1实时采集的果蔬图像c中果蔬的特征值，依果蔬的特征值对果蔬进行分级； 步骤C4中的神经网络模型为训练与学习后得到的深度学习的神经网络模型；神经网络模型训练与学习的步骤包括： A1.批量采集果蔬图像a； A2.样本标注；具体步骤包括： A2.1.对步骤A1获取的果蔬图像a进行预处理，预处理操作包括图像分割处理：提取图像中感兴趣的果蔬部分，去除对图像识别无用的背景部分； A2.2.将步骤A2.1预处理后的图像切成小块，得到若干小块的切块图像a，将切块图像a划分出训练集样本； A2.3.对步骤A2.2中划分出的训练集样本的切块图像a进行整体性标注，其中： 无果蔬缺陷且无黑点的切块图像a标注为第一类； 有果蔬缺陷的切块图像a标注为第二类； 无果蔬缺陷但有黑点的切块图像a标注为第三类； 有一块以上呈现出灰度的色块的图像为有黑点的图像，反之，没有任何呈现出灰度的色块的图像为无黑点的图像；有结痂、皱皮、刺伤和压伤中的任一种或多种果蔬缺陷的图像为有果蔬缺陷的图像，反之，没有任何包括结痂、皱皮、刺伤和压伤的果蔬缺陷的图像为无果蔬缺陷的图像； A3.神经网络模型训练与学习；具体步骤包括： A3.1.选取神经网络模型； A3.2.利用步骤A2.3中标注后的训练集样本的切块图像a，对步骤A3.1中确定的神经网络模型进行训练； 最终得到深度学习的神经网络模型。

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福建省农业科学院数字农业研究所，其通讯地址为：350003 福建省福州市鼓楼区五四路247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。