一种植被叶片病害及严重程度识别方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种植被叶片病害及严重程度识别方法,搭建TSTC网络,该网络包括多任务特征提取模块、特征融合模块和深度监督模块,预设叶片分类标签和训练集,将训练集中的叶片病害图像输入多任务特征提取模块,输出浅层特征;特征融合模块对浅层特征进行融合,得到紧凑特征;将浅层特征和紧凑特征输入深度监督模块,经过处理得到预测值,根据预测值和叶片分类标签计算网络的总损失,反向传播并更新网络参数,得到更新后的TSTC网络;将待检测叶片病害图像输入至更新后的TSTC网络,经过处理输出待检测叶片的预测值,根据待检测叶片的预测值得到待检测叶片的病害种类及严重程度。该方法可同时分别识别植被叶片的病害和严重程度。
《一种植被叶片病害及严重程度识别方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023102852560,当前法律状态为已下证,由湖南大学提出申请,发明人为杨彬;王竹莲;李彩红;汪建武,申请日期为2023-03-22,公开(公告)日期为2025-08-26,国际专利分类号(IPC)为 G06V 20/10 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。专利114 作为出让方直接签约,提供权利核验、合同拟定、评审用证明材料整理与国家知识产权局著录项目变更代办,个人与企业采购均可办理。用于职称或落户时,建议先确认当地对专利类型、授权时间与申请人身份的具体要求,我们可协助逐条比对,避免买了用不上。专利摘要:本发明公开了一种植被叶片病害及严重程度识别方法,搭建TSTC网络,该网络包括多任务特征提取模块、特征融合模块和深度监督模块,预设叶片分类标签和训练集,将训练集中的叶片病害图像输入多任务特征提取模块,输出浅层特征;特征融合模块对浅层特征进行融合,得到紧凑特征;将浅层特征和紧凑特征输入深度监督模块,经过处理得到预测值,根据预测值和叶片分类标签计算网络的总损失,反向传播并更新网络参数,得到更新后的TSTC网络;将待检测叶片病害图像输入至更新后的TSTC网络,经过处理输出待检测叶片的预测值,根据待检测叶片的预测值得到待检测叶片的病害种类及严重程度。该方法可同时分别识别植被叶片的病害和严重程度。
本专利适配多类个人与企业需求:职称评审中的业绩与成果材料、人才引进与积分落户的知识产权加分、行业资质与科技项目申报、企业高企认定与技术储备。专利权人为官方登记主体,法律状态可核验,转让后提供专利证书与登记簿副本,可直接装订进评审或申报材料。
