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！

龙图腾网获悉安徽大学申请的专利一种基于非完全更新超图的茶叶病害检测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：CN121392610B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511729857.1，技术领域涉及：G06V20/10；该发明授权一种基于非完全更新超图的茶叶病害检测系统是由张艳;石宝;金亮;胡根生;全佳咪;崔天扬设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本一种基于非完全更新超图的茶叶病害检测系统在说明书摘要公布了：本发明公开了一种基于非完全更新超图的茶叶病害检测系统，包括以下步骤：采集茶叶病害叶片图像并进行预处理；对图像进行特征提取，通过通道切片模块构成节点集；采用基于非完全更新超图的检测网络实现茶叶病害检测，分别构建包含特征高阶关系的两种尺度超图，节点更新选取与待更新节点关联性最强的前K组节点组及超边参与更新，通过超边聚合并连接原本节点信息，实现节点更新；融合多尺度超图茶叶病害特征，最终将检测结果通过交互式界面显示。本发明涉及图像目标检测领域，该种基于非完全更新超图的茶叶病害检测系统，解决了现有方法难以建立通道特征间高阶关系的局限性，提高了对茶叶病害识别的准确性。

本发明授权一种基于非完全更新超图的茶叶病害检测系统在权利要求书中公布了：1.一种基于非完全更新超图的茶叶病害检测系统，其特征在于：包括以下步骤： S1：用搭载外接可见光摄像头的国产嵌入式开发板OrangePi设备，采集茶叶病害叶片图像； S2：对原始图像进行预处理，所述预处理包括裁剪、调整尺寸和数据增强； S3：将处理后的图像输入特征提取网络进行特征提取，特征提取网络可为VGG、ResNet或DenseNet，所述特征提取网络为ResNet50网络；所述ResNet50网络的输入层接收预处理后的图像，通过7×7卷积核实现快速且高效特征提取，同时通过层数的加深获取更丰富的特征表达，且其残差块中包含多个卷积层，并通过跳跃连接确保梯度可在反向传播中流动；通过通道切片模块对提取的特征沿通道轴执行等间隔切片操作，且相邻切片块之间保留通道重复，形成多个子切片块；将所述子切片块降维压缩后作为节点，先进行超图初始化，再分别构建2节点超图和4节点超图；通过非完全更新超图模块优化超图更新方式，所述非完全更新超图模块包括节点非完全更新模块和超边非完全更新模块，分别实现节点更新和超边更新； S4：将2节点超图和4节点超图得到的特征进行空间注意力融合，最终输出叶片所属病害类别及准确率，结果在触摸屏的交互式界面显示； 步骤S3中，通道切片模块的切片参数满足S=256、R=64，其中S为切片通道数，R为重复因子，代表重复通道数目；超图初始化时，对通道切片块进行平均池化得到初始化节点，计算节点之间的平均余弦相似性作为初始超边；节点非完全更新模块根据上一层超边信息，选取空间依赖性最强的前K个节点组参与更新，关联性较弱的节点组冻结不参与本次更新，所述K=3；节点更新过程为：每条超边所连接的节点组都基于各自的超边信息进行融合，得到一个融合节点；再将每个融合节点进行拼接，送入节点更新网络f中，得到邻居节点的信息；最后融合自身节点，保留原本信息，得到更新节点； 步骤S3中，超边更新过程为：首先计算相应节点之间绝对距离的平均值，将该平均值送入度量网络生成权重初值，得到超边的相似性，所述度量网络由4层卷积层、1个线性层和sigmoid激活函数构成；将权重初值与上一层超边信息进行加权，对所有超边信息归一化后得到更新后的超边信息。

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安徽大学，其通讯地址为：230601 安徽省合肥市九龙路111号(安徽大学磬苑校区)；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。