基于层级多尺度特征融合的杂草识别方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于层级多尺度特征融合的杂草识别方法及系统,该方法包括以下步骤,构建图像数据集;构建HDMS多种杂草目标检测模型;所述HDMS多种杂草目标检测模型是将YOLO11模型的特征提取网络中的C3k2模块替换为PC‑MSFA模块;将YOLO11模型的检测网络的检测模块替换为IntergraDet模块得到,将构建数据集输入HDMS多种杂草目标检测模型中进行训练,获得训练后的HDMS多种杂草目标检测模型进行农田中杂草的识别。本发明通过在YOLO11模型的特征提取网络中的C3k2模块替换为PC‑MSFA模块得到HDMS多种杂草目标检测模型,显著增强了多尺度目标感知能力。
《基于层级多尺度特征融合的杂草识别方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025109987746,当前法律状态为已下证,由江西农业大学提出申请,发明人为华晶;陈琦;贺瑞敏;陈锦波,申请日期为2025-07-21,公开(公告)日期为2025-09-30,国际专利分类号(IPC)为 G06V 20/10 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于层级多尺度特征融合的杂草识别方法及系统,该方法包括以下步骤,构建图像数据集;构建HDMS多种杂草目标检测模型;所述HDMS多种杂草目标检测模型是将YOLO11模型的特征提取网络中的C3k2模块替换为PC‑MSFA模块;将YOLO11模型的检测网络的检测模块替换为IntergraDet模块得到,将构建数据集输入HDMS多种杂草目标检测模型中进行训练,获得训练后的HDMS多种杂草目标检测模型进行农田中杂草的识别。本发明通过在YOLO11模型的特征提取网络中的C3k2模块替换为PC‑MSFA模块得到HDMS多种杂草目标检测模型,显著增强了多尺度目标感知能力。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
