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！

龍圖騰網獲悉中國農業大學申請的專利一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測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：CN120107791B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510175105.9，技術領域涉及：G06V20/10；該發明授權一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法是由閆碩;張焱;宋一泓;李妍;李睿恒;杜相革;王波深;董民設計研發完成，并于2025-02-18向國家知識產權局提交的專利申請。

本一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法在說明書摘要公布了：本發明公開了一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法，包括以下步驟：S1、對數據進行預處理與增強；S2、對圖像進行多尺度特征提取；S3、全局特征建模；S4、目標檢測與語義分割；S5、少樣本優化與微調。本發明采用上述的一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法，針對農業病害數據樣本稀缺的問題，引入少樣本學習網絡架構，能在有限數據條件下實現快速準確的病害區域識別和分割，結合目標檢測和語義分割任務，進行病害定位和細粒度分割，提高了檢測精度和分割性能，將原型提取與注意力機制融合，有效提升了低樣本條件下模型的學習能力，能夠實時應用于蔬菜種植區的病害檢測與控制，支持農民高效管理病害。

本發明授權一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法在權利要求書中公布了：1.一種基于少樣本學習和原型注意力的葉類蔬菜病害檢測方法，其特征在于，包括以下步驟： S1、對數據進行預處理與增強； S2、在ProtoVegNet模型中利用ResNet-50作為特征提取的主干網絡進行多尺度特征提取； S3、使用Transformer編碼器進行全局語義建模； S4、目標檢測與語義分割； S5、少樣本優化與微調； S3中，在每一層特征圖中添加位置嵌入信息，保留空間位置信息，確保正確定位病害特征，在多尺度特征提取后，使用ProtoVegNet模型中的原型提取模塊從特征圖中提取類別原型，類別原型作為類別的全局表示； 原型提取模塊從特征圖中提取類別原型，具體過程為： 從ResNet-50主干網絡和Transformer編碼器輸出的多尺度特征圖作為輸入，對輸入的高維特征圖進行降維操作； 結合類別原型計算注意力權重矩陣：使用類別原型與輸入特征圖中每個像素或特征點的嵌入計算相似度，相關性結果通過Softmax操作歸一化，生成注意力權重矩陣，表示每個特征點對各類別的響應強度； 使用原型注意力機制對原始特征圖進行權重處理，與類別原型相似度高的特征區域得到更高的權重，增強響應，同時抑制背景干擾； 通過聚類算法對特征圖中屬于同一類別的特征進行分組，之后以低維度、全局表示的向量輸出，該向量用于總結該類別的核心特征，即類別原型，每一組的中心，即均值向量被計算為該類別的類別原型； 原型提取模塊為每個類別生成對應的原型向量，原型向量作為注意力機制的輸入，增強后的特征圖將輸入目標檢測與語義分割子模塊； S4中，利用目標檢測子模塊和語義分割子模塊進行目標檢測和語義分割，其中，目標檢測子模塊包括前景預測器、分類器和邊界框預測器，分別用于判斷圖像中哪些區域包含病害、對前景區域進行類別分類和提取病害區域的邊界框，語義分割子模塊包括掩膜預測器，用于生成病害區域的分割掩膜； S5具體過程如下： 首先，訓練基礎模型，在增強數據集上訓練主干網絡和雙任務模塊，處理標準類別； 然后，進行新類別微調，利用ProtoVegNet模型通過注意力機制生成偽標簽，為少樣本數據提供額外的監督信號； ProtoVegNet模型在微調過程中引入知識蒸餾從基礎模型中提取知識，用于指導當前模型的訓練，以優化新類別數據的特征表達，同時保持基礎模型對原始類別的檢測性能。

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中國農業大學，其通訊地址為：100193 北京市海淀區圓明園西路2號中國農業大學西校區；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”。