龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：云南农业大学
摘要：本发明公开了跨层次特征融合的葡萄叶片病害程度分级预测方法及系统，本发明涉及病害程度预测技术领域，解决了模型泛化能力差，且对数据源的要求很高，型依然不能满足准确地预测葡萄叶片病害严重程度要求的技术问题，本发明通过将葡萄叶片病害图像输入到DINOV2视觉大模型中得到由浅到深四份形状相同的基础特征，通过设计一种独特的跨层次特征融合方式对上述得到的基础特征进行融合，得到跨层次融合特征，提出一种新的多尺度特征提取模块，更好的提取到图像的多尺度、深层次信息，综合利用不同尺度的空间特征，将大模型技术应用葡萄叶片病害程度分级预测领域，极大地提高了模型的精度，增强了模型的泛化能力，实现了准确预测葡萄叶片病害程度的要求。
主权项：1.跨层次特征融合的葡萄叶片病害程度分级预测方法，其特征在于，该方法包括以下步骤：步骤S01：采集葡萄病害叶片图像，使用labelme软件对图像数据进行标注，得到语义分割标签文件；步骤S02：将标注好的葡萄病害叶片图像数据按照8:2的比例划分训练集和测试集；步骤S03：基于DINOV2视觉大模型和多尺度特征融合构建语义分割模型；步骤S04：将训练集数据放入语义分割模型进行训练，冻结DINNV2视觉大模型主干网络参数，对语义分割模型的其他参数进行更新，直到模型逐渐拟合，得到训练好的语义分割模型；步骤S05：将待预测图像输入到训练好的语义分割模型中，得到葡萄叶片病害分割图；步骤S06：统计得到的葡萄叶片分割图中正常叶片区域像素个数和叶片病害区域像素个数，计算叶片病害区域像素个数占正常叶片区域像素个数和叶片病害区域像素个数总和的比例，通过计算出的比例对葡萄叶片病害严重程度分级预测。
全文数据：
权利要求：
百度查询： 云南农业大学 跨层次特征融合的葡萄叶片病害程度分级预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号