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！

龙图腾网恭喜西北农林科技大学;陕西省农村科技开发中心申请的专利一种基于卷积神经网络的苹果叶部病害诊断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：CN114638959B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202210278313.8，技术领域涉及：G06V10/25；该发明授权一种基于卷积神经网络的苹果叶部病害诊断方法是由刘斌;张嘉琦;田靓靓;张海曦;袁爱红设计研发完成，并于2022-03-21向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的苹果叶部病害诊断方法在说明书摘要公布了：本发明提出了一种基于卷积神经网络的苹果叶部病害诊断方法，该方法针对含有不同大小的病变区域的苹果叶病检测问题，提出了多尺度特征提取、V‑空间定位分支和多尺度注意力机制相结合的苹果叶部病害检测方法，实现对不同尺度病斑的准确检测。该方法旨在对不同大小的病斑提取更可靠的特征表示，提高最终检测性能。建立多尺度特征提取，融合不同层次的特征，进一步提高苹果叶片病害，特别是小病斑的检测性能。然后提出了V‑空间定位分支，在增强病斑定位的纹理特征信息方面发挥了重要作用。同时，利用注意力机制，自动学习不同尺度的特征通道对区分不同大小的病斑的重要性。

本发明授权一种基于卷积神经网络的苹果叶部病害诊断方法在权利要求书中公布了：1.一种基于卷积神经网络的苹果叶部病害诊断方法，其特征在于，包括以下步骤：步骤1，将待处理图片数据分为训练集、验证集和测试集；步骤2，将训练集中一批数据输入至VGG前置网络中，通过VGG前置网络提取出不同级别的病害特征；将VGG前置网络中的卷积层4_3、卷积层FC7和卷积层7_2三个卷积层的输出特征图输入至金字塔特征提取器，金字塔特征提取器生成7个金字塔特征图，具体过程为：对于FC7层的特征，模型实现了一个步长为2的反卷积操作，生成与卷积层4_3大小相同的特征图；反卷积操作的卷积核大小为2×2，输出256维；对于卷积层7_2，实现了两个步长为2、卷积核尺寸为2×2的反卷积操作，生成64×64的特征图，输出256维；每个反卷积操作后面都有一个卷积和ReLU，以丰富特征表示的语义信息；卷积层4_3后有256维输出的卷积操作和一个ReLU层，不改变特征图的大小，之后，经过处理的特征以通道维度拼接方法进行融合，生成64×64×768大小的特征图，引入批量归一化操作来提高网络的泛化能力；通过一系列卷积核大小为3×3，步长为2的卷积操作构建金字塔特征提取器；将上面的卷积层7_2生成的64×64×256的特征图以及64×64×768的特征图输出拼接在一起，再输入金字塔特征提取器，金字塔特征提取器生成64×64、32×32、16×16、8×8、4×4、2×2、1×1的不同尺寸的7种金字塔特征图；对所述训练集中一批数据通过最大池化操作，下采样后获得7个纹理特征图，具体为：将步骤1生成的苹果叶部病害数据集的图像RGB空间由公式（1）转化为HSV空间，并提取HSV空间的中V通道输入到V通道定位分支中；V通道定位分支利用最大池化操作对V通道以步长为2逐步进行下采样，生成包含用于定位的纹理信息的7种不同尺寸纹理特征图：64×64、32×32、16×16、8×8、4×4、2×2、1×1； （1）将7个金字塔特征图和7个纹理特征图以通道维度拼接的方法融合后，获得7个病害特征图；将7个病害特征图通过多尺度注意力模块处理获得每一个病害特征图的分配权重；步骤3，在每一个病害特征图的单元格中心设置默认框，获得默认框在原图像中的位置信息，通过默认框在原图像的位置信息，计算损失函数；通过损失函数，修改神经网络网络模型的权重参数；将训练集中的数据分批次输入至神经网络模型中，直至训练集中的数据训练结束且损失函数和模型的预测准确率均趋于稳定时，获得最终的神经网络模型；所述神经网络模型中有每一个特征通道的重要性权重；步骤4，将待诊断图像输入至神经网络模型中，通过每一特征通道的重要性权重，获得诊断结果，在待诊断图像上标出病害类别和病斑位置。

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西北农林科技大学;陕西省农村科技开发中心，其通讯地址为：712100 陕西省咸阳市杨凌示范区邰城路3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”。