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！

龙图腾网恭喜合肥大学申请的专利基于图像与光谱融合的农产品品种鉴别方法、系统及应用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：CN119360215B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411922871.9，技术领域涉及：G06V20/10；该发明授权基于图像与光谱融合的农产品品种鉴别方法、系统及应用是由刘伟;江权;郑磊;刘长虹设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于图像与光谱融合的农产品品种鉴别方法、系统及应用在说明书摘要公布了：本发明公开了一种基于图像与光谱融合的农产品品种鉴别方法、系统及应用。所述训练方法包括：获取RGB图像和高光谱数据；获得融合图像；对深度学习模型进行训练；深度学习模型由基础YOLOv5模型调整获得，省略第二上采样模块及对应的传递连接，头部网络中省略对应的检测头模块，骨干网络中的首级C3模块替换为卷积块注意力模块。本发明采用数据融合策略将高光谱信息与RGB图片信息进行了特征融合，并基于改进后的YOLOv5深度学习方法，建立基于特征融合数据的大豆品种的鉴别模型，采用融合的分类模型对目标农产品种子进行类别预测，解决了单一特征的不稳定性问题，实现了农产品品种准确且高效的鉴别。

本发明授权基于图像与光谱融合的农产品品种鉴别方法、系统及应用在权利要求书中公布了：1.一种基于图像与光谱融合的农产品品种鉴别模型的训练方法，其特征在于，包括：获取农产品种子的RGB图像和高光谱数据；利用线性插值对所述RGB图像和高光谱数据进行特征融合，获得融合图像；至少利用所述融合图像对深度学习模型进行训练，获得农产品品种鉴别模型；其中，所述深度学习模型由基础YOLOv5模型调整获得；所述基础YOLOv5模型包括骨干网络、颈部网络和头部网络；所述骨干网络包括依次串接的初始卷积模块、第一卷积模块、第一C3模块、第二卷积模块、第二C3模块、第三卷积模块、第三C3模块、第四卷积模块、第四C3模块、空间金字塔池化模块；所述空间金字塔池化模块基于第四C3模块的输出的第四C3特征生成池化特征；在所述颈部网络，所述池化特征输入第五卷积模块生成第五卷积特征，所述第五卷积特征输入第一上采样模块生成第一上采样特征，所述第一上采样特征输入第一融合模块与所述第三C3模块输出的第三C3特征融合后形成第一融合特征，所述第一融合特征输入第五C3模块生成第五C3特征，所述第五C3特征输入第六卷积模块生成第六卷积特征，所述第六卷积特征输入第二上采样模块生成第二上采样特征，所述第二上采样特征输入第二融合模块，与所述第二C3模块输出的第二C3特征融合后形成第二融合特征，所述第二融合特征输入第六C3模块生成第六C3特征，所述第六C3特征输入所述头部网络的第一检测头模块进行特征检测以及输入第七卷积模块生成第七卷积特征，所述第七卷积特征输入第三融合模块与所述第六卷积特征融合后生成第三融合特征，所述第三融合特征输入第七C3模块生成第七C3特征，所述第七C3特征输入所述头部网络的第二检测头模块进行特征检测以及输入第八卷积模块生成第八卷积特征，所述第八卷积特征输入第四融合模块，与所述第五卷积特征融合后生成第四融合特征，所述第四融合特征输入第八C3模块生成第八C3特征，所述第八C3特征经过第九卷积模块后输入所述头部网络的第三检测头进行特征检测；所述深度学习模型与所述基础YOLOv5模型相比，省略所述第二上采样模块、第二融合模块、第六C3模块、第一检测头模块、第七卷积模块、第三融合模块、第七C3模块及对应的传递连接，所述第二检测头模块的输入变更为所述第六卷积特征，所述第八卷积模块的输入变更为所述第五C3特征；且所述骨干网络中的第一C3模块替换为卷积块注意力模块，所述卷积块注意力模块包括通道注意力子模块和空间注意力子模块。

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合肥大学，其通讯地址为：230000 安徽省合肥市经开区锦绣大道99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”。