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！

龙图腾网获悉安徽大学申请的专利一种基于导向感知与锐化的果实计数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：CN121236751B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511396247.4，技术领域涉及：G06V20/68；该发明授权一种基于导向感知与锐化的果实计数方法是由翁士状;邓锐;徐健;吴琪;孙申奥;杨惠文;陈宇迪;朱妮娜;陈嘉玲;朱泽德;郑玲设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本一种基于导向感知与锐化的果实计数方法在说明书摘要公布了：本发明提供一种基于导向感知与锐化的果实计数方法，该方法包括：获取待处理的第一图像，并随机框选第一图像中的若干果实；渐进式空间聚合编码器对第一图像进行特征提取，得到整体特征和细节特征；从整体特征中提取被框选区域的特征，并进行处理，得到示例特征；自适应相似性感知模块对整体特征和示例特征进行处理，得到相似性图；将细节特征与相似性图相乘后，输入至交错信道重建解码器中，生成密度图，进而得到果实个数。通过渐进式空间聚合编码器通过增强空间感知来聚焦果实区域；自适应相似性感知模块采用形态学引导的自适应进行鲁棒的水果表型识别；交错信道重建解码器通过交叉排列技术提升水果分布的清晰度，最终实现高精度计数。

本发明授权一种基于导向感知与锐化的果实计数方法在权利要求书中公布了：1.一种基于导向感知与锐化的果实计数方法，其特征在于，包括： 获取待处理的第一图像，并随机框选所述第一图像中的若干果实； 利用训练好的果实导向感知与锐化网络中的渐进式空间聚合编码器，对所述第一图像进行多层次特征提取，得到整体特征和细节特征； 从所述整体特征中提取被框选区域的特征，并进行平均化处理，得到示例特征； 利用所述果实导向感知与锐化网络中的自适应相似性感知模块，对所述整体特征和所述示例特征进行处理，得到相似性图； 将所述细节特征与所述相似性图相乘后，输入至所述果实导向感知与锐化网络中的交错信道重建解码器中，生成密度图； 根据所述密度图，得到所述第一图像中的果实个数； 所述渐进式空间聚合编码器用公式可表示为： X6=HCSFFHFACConvXin， F0=Conv3×3X6， F1=Conv3×3X6， 式中，Xin为所述第一图像，Conv为卷积操作，HFAC为前景感知卷积块，HCSFF为跨阶段特征融合单元，X6为所述跨阶段特征融合单元的输出特征，F0和F1分别为所述整体特征和所述细节特征； 所述前景感知卷积块的处理步骤为： 对所述前景感知卷积块的输入特征进行连续卷积操作，得到区域感知偏移量，以捕捉特征图上的空间上下文信息； 根据被框选区域的平均高度和平均宽度，得到向量P； 利用多层感知机将所述向量P映射至高维特征空间，并进行重塑和张量复制扩展操作，得到尺寸感知偏移量； 根据所述区域感知偏移量和所述尺寸感知偏移量，得到动态偏移量； 根据所述动态偏移量，计算所述前景感知卷积块的输出特征，其中，所述前景感知卷积块的输出特征在位置p处的特征值yp通过如下公式计算： 式中，wj为卷积核在j处权重，R为卷积核覆盖范围，xp+j+S为应用偏移量后从输入特征图采样的值，S为所述动态偏移量； 所述跨阶段特征融合单元用公式可表示为： =HFACPoolConv1BlockX， =X+HdownX， =HFACPoolConv3BlockX， =X+HdownX， =HFACPoolConv3BlockX， =X+HdownX， 式中，X为所述跨阶段特征融合单元的输入特征，PoolConv1Block和PoolConv3Block分别是一阶池化卷积块和三阶池化卷积块，Hdown为下采样函数，X~X为中间特征。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。