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！

龙图腾网获悉长江大学;中国农业科学院作物科学研究所申请的专利一种自动无损提取大豆植株表型的方法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：CN116229265B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310212916.2，技术领域涉及：G06V20/10；该发明授权一种自动无损提取大豆植株表型的方法是由黄岚;邱丽娟;王俊;周婉;陈伊洁;詹炜;李伟豪;张聪;熊亚俊设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本一种自动无损提取大豆植株表型的方法在说明书摘要公布了：本发明公开了一种自动无损提取大豆植株表型的方法，包括：获取大豆植株图像，将大豆植株图像输入至预先训练的YOLOv5s‑S神经网络模型中识别豆荚区域和茎区域，获得豆荚和茎秆的坐标信息，并根据豆荚的坐标信息获取豆荚个数，采用训练后的U2‑Net神经网络模型对大豆植株图像进行语义分割，获得伪彩色分割图，对大豆植株图像进行二值化处理，获得二值化图像，将伪彩色分割图和二值化图像进行叠加，采用基于A*搜索的路径搜索算法对叠加后的图像进行处理，获得株高、有效分枝数以及分枝长度。本发明的自动无损提取大豆植株表型的方法可以在一次扫描中计算大豆植株的豆荚个数，识别所有有效分枝，测量植株高度和分枝长度，具有令人满意的精度。

本发明授权一种自动无损提取大豆植株表型的方法在权利要求书中公布了：1.一种自动无损提取大豆植株表型的方法，其特征在于，所述方法包括以下步骤： 获取大豆植株图像； 将所述大豆植株图像输入至预先训练的YOLOv5s-S神经网络模型中，对所述大豆植株图像中的豆荚区域和茎区域进行识别，根据识别结果分别获取豆荚的坐标信息和茎秆的坐标信息； 根据所述豆荚的坐标信息获取豆荚个数； 采用训练后的U2-Net神经网络模型对所述大豆植株图像进行语义分割，获得伪彩色分割图； 对所述大豆植株图像进行二值化处理，获得二值化图像； 将所述伪彩色分割图和所述二值化图像进行叠加，采用基于A*搜索的路径搜索算法对叠加后的图像进行处理，获得大豆植株茎相关表型特征； 所述将所述大豆植株图像输入至预先训练的YOLOv5s-S神经网络模型中，对所述大豆植株图像中的豆荚区域和茎区域进行识别的步骤之前，所述方法还包括： 获取大豆植株图像，使用LabelImg图像标注工具对大豆植株的豆荚和茎秆进行标注，将豆荚尖端区域标注为豆荚类，将茎秆上的连续区域标注为茎秆类，获得目标检测数据集； 将所述目标检测数据集输入至基于SE注意力机制的初始YOLOv5神经网络模型进行迭代训练，得到预先训练的YOLOv5s-S神经网络模型； 所述获得大豆植株茎相关表型特征的步骤还包括：在大豆植株的主茎顶部向下弯曲时，采用MSE算法对叠加后的图像进行处理，计算和提取完整的主茎路径，并根据所述主茎路径获得大豆植株茎相关表型特征株高； 所述MSE算法包括以下步骤： S10，使用五位数字表示预先训练的YOLOv5s-S神经网络模型检测到的每个矩形框： ； 其中，x,y表示矩形框中心的水平和垂直坐标，w、h表示矩形框的宽度和高度，矩形框中第一个数字是一个初始值为0的指标，给定个图像中识别的茎区域的数量，并用×5矩阵表示图像； S11，按坐标升序对所有主茎区域进行排序； S12，将基于A*搜索的路径搜索算法确定的主茎路径上的所有区域的指标值更改为1，即，相应地， ； 其中，表示茎区域，表示主路径； S13，继续往下读坐标，找到下一个标识符为0的茎区域，将其设置为起点并寻找从该点到主茎顶点的路径； S14，当找到绕过当前主茎顶点的路径时，将的中心设置为主茎的新起点，并将主茎沿向下弯曲部分扩展； S15，重复步骤S13和S14，并相应地生长主茎，直到检查完所有茎区域，获得完整的主茎路径，根据所述主茎路径计算得到株高。

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长江大学;中国农业科学院作物科学研究所，其通讯地址为：434000 湖北省荆州市南环路1号；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”。

以上内容由龙图腾AI智能生成。