買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉黑龍江八一農墾大學申請的專利一種基于改進Faster-RCNN模型的機插水稻秧苗漂秧漏插識別方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118823576B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410830623.5，技術領域涉及：G06V20/10；該發明授權一種基于改進Faster-RCNN模型的機插水稻秧苗漂秧漏插識別方法及系統是由梁春英;鄒立雯;陳玉恒;周正;王宏立設計研發完成，并于2024-06-25向國家知識產權局提交的專利申請。

本一種基于改進Faster-RCNN模型的機插水稻秧苗漂秧漏插識別方法及系統在說明書摘要公布了：本發明公開了一種基于改進Faster?RCNN模型的機插水稻秧苗漂秧漏插識別方法及系統，屬于農作物目標檢測識別領域，以提升水稻秧苗漂秧漏插的檢測精度。技術要點：利用無人機獲取機插水稻秧苗圖片作為樣本數據集，并進行數據預處理，得到水稻秧苗自建數據集。采用殘差網絡ResNet50融合FPN特征金字塔建立網絡檢測模型；對改進后的Faster?RCNN模型進行優化訓練；將訓練后的Faster?RCNN改進算法對水稻秧苗進行分類識別，利用最小二乘法進行秧苗行線擬合，以此來確定水稻秧苗漏插位置。通過改進的Faster?RCNN網絡模型對水稻秧苗漂秧數、成活數、少葉數及漏插進行分類檢測，在復雜條件下能得到較高的識別精度。

本發明授權一種基于改進Faster-RCNN模型的機插水稻秧苗漂秧漏插識別方法及系統在權利要求書中公布了：1.一種基于改進Faster-RCNN模型的機插水稻秧苗漂秧漏插識別方法，其特征在于，所述方法包括： 無人機獲取大田水稻秧苗圖像數據； 對大田水稻秧苗圖像進行預處理和標注，得到預處理圖像； 選用原始Faster-RCNN深度學習模型，并根據水稻秧苗特性對該原始Faster-RCNN深度學習模型進行優化，得到改進的Faster-RCNN模型； 將預處理的水稻秧苗圖像數據集導入改進的Faster-RCNN模型進行迭代訓練； 將待測水稻秧苗圖像導入訓練后的Faster-RCNN模型進行水稻秧苗預測； 利用最小二乘法對預測后的水稻秧苗圖像數據進行擬合，找出漏插水稻秧苗位置； 利用無人機獲取水稻秧苗圖像，具體包括： 將無人機調整為相應的巡航定速拍照模式，在無人機的遙控器中選定無人機作業的地塊進行數據采集；其中無人機的飛行參數為：無人機與水稻秧苗的拍攝距離為1.5米至2米，采用DJIGSPro模式進行測繪航拍，無人機飛行速度為1ms，拍攝角度為-90?，拍照間隔為2s，前后重疊率為60%； 所述對大田水稻秧苗采集的數據集進行預處理和數據標注，數據集預處理內容包括： 對采集到的大田水稻秧苗進行數據整理，將無法識別的模糊圖片與操作不當拍攝到帶土地的圖片進行剔除； 針對水面反光的問題，對反光區域進行亮度調節；渾濁及土壤環境復雜的水稻秧苗利用中值濾波的手段進行處理，調整圖片平滑度； 將圖片進行合理的縮放操作，調整像素、統一數據集尺寸，便于后續的模型訓練； 對數據集中類別較少的水稻秧苗圖像進行翻轉、鏡像操作增加數據集的豐富度； 將整理好的數據集以8：2的比例分為訓練數據集與測試數據集； 根據擬定的標準對清洗后的水稻秧苗數據集進行數據標注，其中，擬定的標準為：以矩形框為基準，記錄下水稻秧苗的左上角坐標與右下角坐標，將水稻秧苗完整的包含其中，對合格秧苗、漂秧以及葉齡小于4葉的秧苗進行分類標注； 改進Faster-RCNN網絡模型的構建，具體包括： 根據田間水稻秧苗單株識別特點，選用深度學習網絡中的雙階段網絡模型Faster-RCNN； 將Faster-RCNN網絡中的主干網絡VGG16替換為殘差網絡ResNet50； 將Faster-RCNN網絡中感興趣區域池化RoIPooling層替換為RoIAlign層； 所述的改進Faster-RCNN網絡模型的優化訓練，具體包括： 將預處理后的水稻秧苗數據集導入改進的Faster-RCNN網絡模型，并進行數據分類； 設計調整改進的Faster-RCNN網絡模型的訓練參數，包括迭代次數、學習率模型參數； 利用ImageNet數據集預訓練改進的Faster-RCNN網絡模型得到預訓練權重，再將預訓練權重結合預處理后的水稻秧苗訓練數據集單獨訓練改進Faster-RCNN網絡模型中的RPN網絡層參數； 將訓練好的RPN網絡參數固定，利用從RPN網路中生成的目標建議框訓練Fast-RCNN網絡參數，并對Fast-RCNN網絡中的全連接層進行微調； RPN網絡與Fast-RCNN網絡同時共享前置網絡參數，構成一個統一的網絡； 使用預處理圖像數據對改進的Faster-RCNN模型進行優化訓練，具體為： 將預訓練圖像數據集導入該改進的Faster-RCNN模型中，每次迭代訓練時隨機導入一批次的圖片作為數據集進行特征信息提取，采用反向傳播和批標準化進行優化訓練，其中，迭代訓練過程進行i次，設置更新方式為“step”； 對待測水稻秧苗預測，具體包括： 將待測水稻秧苗導入到改進的Faster-RCNN網絡模型； 待測圖片輸入主干網絡殘差網絡ResNet50提取特征信息，利用FPN特征金字塔進行特征融合，生成多尺度特征融合信息圖； 利用RPN網絡生成候選框，將生成的候選框映射到多尺度特征融合信息圖，得到新的特征矩陣； 利用RoIAlign對新生成的特征矩陣進行插值處理，生成7×7的特征圖； 特征信息圖經全連接層對特征信息圖進行分類，利用邊界框回歸獲得每個目標精確的位置坐標，并對目標精確定位； 所述的預測水稻秧苗漏插位置，具體包括： 將改進的Faster-RCNN網絡模型預測出水稻秧苗的具體位置并標出候選框，并找到候選框的中心點及位置坐標； 利用最小二乘法對水稻秧苗進行直線擬合，分別擬合橫向與縱向的行線，得到中心交叉坐標為秧苗的預測點； 對落在候選框中的預測中心點認定為秧苗位置，沒有候選框的中心點記為水稻秧苗漏插位置。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人黑龍江八一農墾大學，其通訊地址為：163319 黑龍江省大慶市高新區新風路5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。