買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國林業(yè)科學(xué)研究院生態(tài)保護(hù)與修復(fù)研究所;蒙草生態(tài)環(huán)境(集團(tuán))股份有限公司申請(qǐng)的專利一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120336766B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510796636.X，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)是由劉希強(qiáng);李曉霞;劉亞玲設(shè)計(jì)研發(fā)完成，并于2025-06-16向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)，包括：數(shù)據(jù)生成模塊，用于通過嵌入植物低溫響應(yīng)物理約束的擴(kuò)散模型生成低溫脅迫下的雜花苜蓿表型圖像及對(duì)應(yīng)生理數(shù)據(jù)；評(píng)估模型模塊，用于采用因果驅(qū)動(dòng)的雙通道自適應(yīng)網(wǎng)絡(luò)，從圖像和生理數(shù)據(jù)中提取耐寒性特征；決策模塊，包括分層模型蒸餾單元與聯(lián)邦強(qiáng)化學(xué)習(xí)單元，分層模型蒸餾單元與聯(lián)邦強(qiáng)化學(xué)習(xí)單元通過邊緣?云協(xié)同架構(gòu)實(shí)現(xiàn)模型壓縮與決策策略優(yōu)化的聯(lián)合訓(xùn)練，輸出抗寒決策并通過增強(qiáng)現(xiàn)實(shí)界面實(shí)現(xiàn)可視化。本發(fā)明能夠有效解決傳統(tǒng)雜花苜蓿耐寒性評(píng)估在數(shù)據(jù)生成、模型泛化及決策效率等方面的核心問題。

本發(fā)明授權(quán)一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的雜花苜蓿耐寒性狀評(píng)估系統(tǒng)，其特征在于，包括： 數(shù)據(jù)生成模塊，用于通過嵌入植物低溫響應(yīng)物理約束的擴(kuò)散模型生成低溫脅迫下的雜花苜蓿表型圖像及對(duì)應(yīng)生理數(shù)據(jù)； 所述物理約束擴(kuò)散模型在逆向去噪過程中包含物理約束項(xiàng)； 評(píng)估模型模塊，用于采用因果驅(qū)動(dòng)的雙通道自適應(yīng)網(wǎng)絡(luò)，從圖像和生理數(shù)據(jù)中提取耐寒性特征； 決策模塊，包括分層模型蒸餾單元與聯(lián)邦強(qiáng)化學(xué)習(xí)單元，分層模型蒸餾單元與聯(lián)邦強(qiáng)化學(xué)習(xí)單元通過邊緣-云協(xié)同架構(gòu)實(shí)現(xiàn)模型壓縮與決策策略優(yōu)化的聯(lián)合訓(xùn)練，輸出抗寒決策并通過增強(qiáng)現(xiàn)實(shí)界面可視化； 所述物理約束擴(kuò)散的模型生成過程如下： 其中，xt為第t步加噪圖像，αt為噪聲調(diào)度系數(shù)，∈為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)噪聲； 逆向去噪過程的目標(biāo)函數(shù)包含物理約束項(xiàng)： 其中，為輸入溫度梯度，S為生成的葉片形態(tài)，k為通過實(shí)驗(yàn)室測定的細(xì)胞膜滲透率常數(shù)，fT為葉綠素-溫度標(biāo)定函數(shù)，λ1與λ2為權(quán)重系數(shù)，SPADgen為生成的葉綠素含量SPAD值，為葉片形態(tài)隨時(shí)間變化的偏導(dǎo)數(shù)； 所述評(píng)估模型模塊用于采用因果驅(qū)動(dòng)的雙通道包括： 圖像處理通道：基于VisionTransformer提取葉片局部特征，計(jì)算自注意力權(quán)重： 式中，Q，K與V為查詢、鍵、值矩陣，d為特征向量的維度； 生理數(shù)據(jù)通道：動(dòng)態(tài)權(quán)重分配網(wǎng)絡(luò)根據(jù)傳感器置信度調(diào)整權(quán)重，通過反向傳播算法優(yōu)化可學(xué)習(xí)參數(shù)； 所述圖像處理通道與生理數(shù)據(jù)通道的輸出特征經(jīng)維度對(duì)齊后拼接為特征矩陣F； 所述決策模塊的分層模型蒸餾單元進(jìn)行分層模型蒸餾過程包括： 云端教師模型損失函數(shù)為： 式中，為交叉熵?fù)p失，為知識(shí)蒸餾損失，γ：平衡兩類損失的權(quán)重系數(shù) 邊緣學(xué)生模型通過梯度下降法優(yōu)化特征匹配損失： 式中，F(xiàn)teax與Fstux為教師模型與學(xué)生模型的特征輸出； β為任務(wù)損失的權(quán)重系數(shù)； 所述聯(lián)邦強(qiáng)化學(xué)習(xí)單元的獎(jiǎng)勵(lì)函數(shù)定義為： rt＝αΔH+βY-γC； 其中，ΔH為耐寒性評(píng)分變化量，Y為產(chǎn)量預(yù)測值，C為操作成本，α,β與γ為權(quán)重系數(shù)，策略更新采用近端策略優(yōu)化算法。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國林業(yè)科學(xué)研究院生態(tài)保護(hù)與修復(fù)研究所;蒙草生態(tài)環(huán)境(集團(tuán))股份有限公司，其通訊地址為：100091 北京市海淀區(qū)東小府2號(hào)或香山路東小府1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。