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！

龍圖騰網獲悉電子科技大學申請的專利基于多特征提取的人參屬植株葉片識別方法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：CN115578603B 。

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：202211412873.4，技術領域涉及：G06V10/764；該發明授權基于多特征提取的人參屬植株葉片識別方法是由高攀;劉勇國;朱嘉靜;張云;李巧勤;傅翀設計研發完成，并于2022-11-11向國家知識產權局提交的專利申請。

本基于多特征提取的人參屬植株葉片識別方法在說明書摘要公布了：本發明公開了一種基于多特征提取的人參屬植株葉片識別方法，涉及植株識別領域，包括獲取圖像；銳化處理；轉化為灰度圖像，再進行去除背景、去除噪聲和填充處理；提取全局特征；提取形狀特征、紋理特征和葉脈特征；分類模型根據提取的特征進行分類識別獲得識別結果；基于特征連接的特征金字塔網絡進行葉片圖像特征提取，基于窗口重疊灰度、旋轉不變LBP特征描述符和窗口自適應灰度共生矩陣GLCM特征描述符進行葉片紋理特征提取，基于引導濾波的Canny算子進行葉片葉脈特征提取，通過連接的特征向量進行葉片分類得到結果，對人參屬植株葉片的細粒度物體識別具有較好的效果，解決當前葉片識別算法不能識別具有較高類間相似性和類內差異性葉片的問題。

本發明授權基于多特征提取的人參屬植株葉片識別方法在權利要求書中公布了：1.基于多特征提取的人參屬植株葉片識別方法，其特征在于，包括： S1、獲取人參屬植株葉片圖像； S2、對葉片圖像進行銳化處理； S3、銳化后的圖像轉化為灰度圖像，并對灰度圖像依次進行采用迭代閾值選擇法去除背景、采用中值濾波法去除噪聲和采用灰度形態學的閉運算進行填充的處理；采用灰度形態學的閉運算進行填充處理直至葉片孔洞消除，填充處理依次包括膨脹和腐蝕操作，膨脹操作為對于噪聲去除的灰度圖像處的灰度值，移動像素點m,n個單位，加上結構化要素Km,n的灰度值，然后取灰度值集合的最大值作為灰度膨脹后的結果，表示為： ， 腐蝕操作為對于膨脹操作后的灰度圖像處的灰度值，移動像素點m,n個單位，減去結構化要素Km,n的灰度值，然后取灰度值集合的最小值作為灰度腐蝕后的結果表示為： ， 其中，H表示膨脹操作后輸出的灰度圖像，I表示腐蝕操作后輸出的灰度圖像，K表示對灰度圖像進行膨脹或腐蝕運算的結構化要素，結構化要素采用具有一定尺寸和形狀的圖像分量，表示灰度形態學膨脹運算，表示灰度形態學腐蝕運算，m、n表示像素點的位移距離，m、且m,n為整數； S4、通過銳化后的圖像采用特征金字塔網絡FPN提取人參屬植株葉片的全局特征；特征金字塔網絡FPN包括輸入層、層1、層2、層3、層4、層5、層6和輸出層；輸入層用于輸入銳化后的圖像；層1、層2和層3為自下而上的ResNet網絡；將層3進行復制得到層4；對層4進行上采樣操作，并對層2進行1*1卷積以修正通道數量，再對處理后的層2、層4進行橫向連接操作得到層5；對層5進行上采樣操作，對層1進行1*1卷積操作，再對處理后的層1、層5進行橫向連接操作得到層6；分別對層4、層5、層6進行全局平均池化操作后進行連接得到輸出層輸出的全局特征； S5、對S3處理后的圖像提取人參屬植株葉片的形狀特征、紋理特征和葉脈特征； S6、分類模型根據全局特征、形狀特征、紋理特征和葉脈特征對人參屬植株進行分類識別獲得識別結果。

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電子科技大學，其通訊地址為：611731 四川省成都市高新區（西區）西源大道2006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”。