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！

龙图腾网获悉浙江中烟工业有限责任公司;浙江大学申请的专利一种烟叶自动化分级方法、系统、设备及存储介质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：CN116452981B 。

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：202310454790.X，技术领域涉及：G06V20/10；该发明授权一种烟叶自动化分级方法、系统、设备及存储介质是由张晓兵;林华伶;朱宏福;李奇;王荣浩;毕一鸣;胡建欣;俞贝楠;沈会良设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本一种烟叶自动化分级方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种烟叶自动化分级方法、系统、设备及存储介质，所述方法包括：采集待测烟叶样本的图像；基于自适应稀疏卷积构建自适应注意力模型；将构建的所述自适应注意力模型插入卷积神经网络，得到烟叶分级模型；将采集待测烟叶样本的图像输入所述烟叶分级模型，得到烟叶分级结果。本发明的烟叶自动化分级方法、系统、设备及存储介质，自适应注意力模型通过自适应稀疏点卷积和自适应稀疏深度卷积提取烟叶的深层特征，自适应计算通道间的权重，关注影响分类性能的重要特征，可以提高网络的分类性能；自适应注意力模型模块可以嵌入经典卷积神经网络，具有特征提取的能力，获得了最佳分类准确率，为烟叶等级判定提供了一个有效的方法。

本发明授权一种烟叶自动化分级方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于自适应注意力机制的烟叶自动化分级方法，其特征在于，包括： 采集待测烟叶样本的图像； 基于自适应稀疏卷积构建自适应注意力模型，通过全局卷积提取输入特征图的通道全局信息，利用自适应稀疏点卷积为全局信息生成权重并分配，再通过自适应稀疏点卷积调节输入特征图维度，将权重与调节后的特征图相乘，最后通过自适应稀疏深度卷积提取深度特征，得到自适应注意力模型； 将构建的所述自适应注意力模型插入卷积神经网络，得到烟叶分级模型； 将采集待测烟叶样本的图像输入所述烟叶分级模型，得到烟叶分级结果， 所述自适应稀疏点卷积的计算过程包括： 设定输入特征图与输出特征图的维度相同，对于输入特征图F，其高为H，宽为W，通道数为C； 将输入特征图F分为G组，分别应用点卷积对每组的特征图进行降维，通道被压缩R倍，得到隐含层； 通过通道混洗从不同通道中提取通道差异信息； 再次应用点卷积对每组的特征图进行升维； 将所有特征图拼接，得到烟叶在点层面的深层特征，其中： 通过公式7计算自适应稀疏点卷积的参数量P： 7， 其中，参数量P来自用于降维和升维的两层点卷积； 通过公式7，得到公式8所示的通道数C关于P的计算公式： 8； 由于输出特征图与个隐含层特征图连接，隐含层特征图与个输入特征图连接，因此通过公式9表示输出特征图与输入特征图的连通性T： 9， 其中，连通性T用于表示每个输出通道的输入-输出连接的数量； 当R为定值时，将公式7与公式9相除，可得公式10所示的T关于P的计算公式： 10； 通过公式10可知，当G增加时，T减小，结合根据公式1可知，当G增加时，C增大，在公式9中，令T＝C，此时可得到公式11： 11， 当G的值如公式11所示时，每个输出特征图一次便连接到所有输入特征图。

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浙江中烟工业有限责任公司;浙江大学，其通讯地址为：310024 浙江省杭州市建国南路288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。