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！

龙图腾网恭喜广东省农业科学院茶叶研究所申请的专利基于图像的茶叶害虫检测方法、装置、设备及存储介质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：CN119107547B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411105435.2，技术领域涉及：G06V20/10；该发明授权基于图像的茶叶害虫检测方法、装置、设备及存储介质是由周波;姚琼;黄浩宜;唐劲驰;俞龙;黎健龙;王嘉乐设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本基于图像的茶叶害虫检测方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及人工智能技术，揭露了一种基于图像的茶叶害虫检测方法、装置、设备及存储介质。所述方法包括：获取害虫图像；利用预训练的茶叶害虫检测模型中的正则强化骨干网络，对害虫图像进行多层次特征提取，得到多尺度特征；利用所述茶叶害虫检测模型中的轻量化颈部网路对所述多尺度特征进行基于空间池化金字塔及路径聚合金字塔的特征融合操作，得到多尺度融合特征图；利用所述茶叶害虫检测模型中的害虫框选头部网络，根据所述多尺度融合特征图，对所述害虫图像中的害虫部分进行目标检测操作，得到多尺度检测框集合，对多尺度检测框集合进行非极大值抑制处理，得到最终检测框。本发明可以提高茶叶害虫检测模型的轻便化与害虫图像捕捉准确率。

本发明授权基于图像的茶叶害虫检测方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于图像的茶叶害虫检测方法，其特征在于，所述方法包括：获取害虫图像；利用预训练的茶叶害虫检测模型中的正则强化骨干网络，对所述害虫图像进行多层次特征提取，得到多尺度特征；利用所述茶叶害虫检测模型中的轻量化颈部网路，对所述多尺度特征进行基于空间池化金字塔及路径聚合金字塔的特征融合操作，得到多尺度融合特征图；利用所述茶叶害虫检测模型中的害虫框选头部网络，根据所述多尺度融合特征图，对所述害虫图像中的害虫部分进行目标检测操作，得到多尺度检测框集合，并对所述多尺度检测框集合进行非极大值抑制处理，得到最终检测框；其中，所述利用所述茶叶害虫检测模型中的轻量化颈部网路，对所述多尺度特征进行基于空间池化金字塔及路径聚合金字塔的特征融合操作，得到多尺度融合特征图，包括：利用预构建的轻量级卷积网络，对所述多尺度特征中的第二图像特征进行卷积操作，得到第二卷积结果，及对所述多尺度特征中的第三图像特征进行卷积操作，得到第三卷积结果；利用所述轻量化颈部网路中的空间池化金字塔，对所述多尺度融合特征图中的第四图像特征进行池化操作，得到第四池化结果；对所述第四池化结果进行上采样操作，得到一级上采样结果，并将所述一级上采样结果与所述第三卷积结果进行特征拼接，得到第一拼接结果，并利用预构建的VoVGSCSP网络将所述第一拼接结果进行轻量级卷积，得到第三初级融合特征；对所述第三初级融合特征进行上采样操作，得到二级上采样结果，并将所述二级上采样结果与所述第二卷积结果进行特征拼接，得到第二拼接结果，并利用预构建的VoVGSCSP网络将所述第二拼接结果进行轻量级卷积，得到第二初级融合特征，并利用预构建的CBL卷积结构对所述第二初级融合特征进行标准化卷积，得到第二融合特征图；对所述第二初级融合特征图及第三初级融合特征进行特征拼接，得到第三拼接结果，并利用预构建的VoVGSCSP网络将所述第三拼接结果进行轻量级卷积，得到第三中级融合特征，并利用预构建的CBL卷积结构对所述第三中级融合特征进行标准化卷积，得到第三融合特征图；对所述第三中级融合特征图与所述第四池化结果进行特征拼接，得到第四拼接结果，并利用预构建的VoVGSCSP网络将所述第四拼接结果进行轻量级卷积，得到第四中级融合特征，并利用预构建的CBL卷积结构对所述第四中级融合特征进行标准化卷积，得到第四融合特征图；将所述第二融合特征图、第三融合特征图及第四融合特征图进行输出，得到多尺度融合特征图。

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广东省农业科学院茶叶研究所，其通讯地址为：510645 广东省广州市天河区五山路广东省农业科学院内第11宗地；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”。