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！

龙图腾网获悉浙江大学申请的专利基于深度学习的植物田间害虫细粒度的识别方法、系统、设备及存储介质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：CN120913167B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510992455.4，技术领域涉及：G06V20/56；该发明授权基于深度学习的植物田间害虫细粒度的识别方法、系统、设备及存储介质是由姚洪渭;俞凯杰;蔡晓旭;汪芳;卜佳俊;叶恭银设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于深度学习的植物田间害虫细粒度的识别方法、系统、设备及存储介质在说明书摘要公布了：本发明涉及农作物害虫智能化识别系统技术领域，具体涉及一种基于深度学习的植物田间害虫细粒度的识别方法、系统、设备及存储介质。本发明提供的识别方法，专化于田间真实场景的高精度识别，可以为未来巡田巡检机器人开发、大田害虫自动识别监测系统等重要工作提供技术支持。除害虫监测外，目前转基因植物的田间生物安全性试验逐步开展，利用本发明提供的识别方法，可以快速、精准地对农田昆虫群落动态变换进行识别与预测，大大提高生态学调查的效率与精度。

本发明授权基于深度学习的植物田间害虫细粒度的识别方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于深度学习的植物田间害虫细粒度的识别方法，其特征在于，包括： S1.数据获取：采集植物田间害虫图像数据，预处理并归一化处理后得到图像数据，并对处理后的图像数据进行分类使得每个图像数据都有其对应的类别标签，组成植物田间害虫图像数据集；所述植物田间害虫图像数据包括对应某种植物的科间差异大而科内差异小的多种科的害虫图像，且每个科内的各种害虫形态学特征相近； S2.模型训练：在MaxViT模型中引入可变形自注意力机制和对比学习损失函数，使用所述植物田间害虫图像数据集训练MaxViT模型，得到训练好的植物田间害虫识别模型； 所述植物田间害虫识别模型包括卷积模块、MaxViT-DAT注意力模块、全局平均值池化模块、全连接层模块和分类模块； 所述MaxViT-DAT注意力模块中：每层MaxViT多轴注意力网络包括移动倒置卷积子模块、局部注意力子模块、全局注意力子模块、前馈网络子模块和残差连接子模块，及嵌入在局部注意力子模块和全局注意力子模块中的可变形自注意力子模块； 局部注意力子模块，用于将增强特征图谱划分为多个不重叠且均等大小的窗口，在每个窗口内进行自注意力计算，并整合可变形自注意力子模块动态调整特征信息的采样位置，捕捉增强特征图谱局部区域的特征信息，输出通道数和分辨率与输入保持一致的局部特征图谱； 全局注意力子模块，用于将局部特征图谱划分为均匀分布且均等大小的全局网格，在每个网格内进行自注意力计算，并整合可变形自注意力子模块实现跨区域的上下文特征融合，输出通道数和分辨率与输入保持一致的全局特征图谱； 可变形自注意力子模块，通过向量重整、参考点引入、偏移学习和带偏移采样的注意力聚合，动态调整特征信息的采样位置，使植物田间害虫识别模型能够自适应地聚焦于关键区域，增强植物田间害虫识别模型的细粒度分类能力； S3.害虫识别：获取待识别的植物田间害虫图像数据，预处理并归一化处理后，输入至训练好的植物田间害虫识别模型中进行细粒度分类，并输出类别结果。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。