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！

龙图腾网获悉山东鲁研农业良种有限公司申请的专利基于变分自编码器的自适应小麦亩穗数预测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：CN121305334B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511350194.2，技术领域涉及：G06V20/10；该发明授权基于变分自编码器的自适应小麦亩穗数预测方法是由陈桂玲;宋华东;杨在东;陈晓霞;解树斌;王开;孙鑫;庄文文;徐帻欣;吴佳迪;郑洪华;闫美;方会见;刘健;薛春芝;冯敏;吴建军设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本基于变分自编码器的自适应小麦亩穗数预测方法在说明书摘要公布了：一种基于变分自编码器的自适应小麦亩穗数预测方法，涉及机器学习技术领域，通过无人机采集小麦抽穗后的局部和全局图像，并结合无人机飞行参数，构建数据集并进行特征提取和建模。然后，采用变分自编码器结构对小麦局部图像和全局图像进行特征提取，得到编码特征，并通过不确定性模块对模型进行不确定性建模。接着，通过多尺度注意力机制融合局部细节特征和全局空间特征，最终通过多尺度密度解码模块预测小麦亩穗数。该方法能够提高对不同地块、不同环境条件下的小麦亩穗数的预测精度，并具有较好的泛化能力。

本发明授权基于变分自编码器的自适应小麦亩穗数预测方法在权利要求书中公布了：1.一种基于变分自编码器的自适应小麦亩穗数预测方法，其特征在于，包括： S1.通过无人机获取小麦试验田中个正方形小样方的图像集合及个正方形大样方的图像集合，，其中为第个正方形小样方的图像，，，其中为第个正方形大样方的图像； S2.获取真实亩穗数集，，为第个真实亩穗数； S3.对正方形大样方的图像和正方形小样方的图像进行预处理，得到预处理后的大样方的图像集合及预处理后的小样方的图像集合，根据图像集合及图像集合建立WESN数据集，将WESN数据集划分为训练集和测试集； S4.构建由第一变分编码器、第二变分编码器、第三变分编码器、不确定性模块、全局面积计算模块、多尺度注意力模块、多尺度密度解码模块构成的小麦穗数预测模型； S5.将训练集中的预处理后的正方形小样方的图像输入到小麦穗数预测模型的第一变分编码器、第二变分编码器、第三变分编码器中，分别输出得到第一编码特征、第二编码特征、第三编码特征； S6.将训练集中的预处理后的正方形大样方的图像及第二编码特征输入到小麦穗数预测模型的不确定性模块中，输出得到不确定性特征； S7.将训练集中的预处理后的正方形小样方的图像及训练集中的预处理后的正方形大样方的图像输入到小麦穗数预测模型的全局面积计算模块中，分别输出得到局部面积估计及全局面积估计； S8.将第三编码特征、不确定性特征输入到小麦穗数预测模型的多尺度注意力模块中，输出得到注意力特征； S9.将注意力特征输入到小麦穗数预测模型的多尺度密度解码模块中，输出得到小麦亩穗数； S10.根据小麦亩穗数与第个真实亩穗数构建均方误差损失函数，使用Adam优化器，利用均方误差损失函数训练小麦穗数预测模型，得到优化后的小麦穗数预测模型； S11.将测试集中的预处理后的正方形小样方的图像及预处理后的正方形大样方的图像输入到优化后的小麦穗数预测模型中，输出得到小麦亩穗数； S9-1.小麦穗数预测模型的多尺度密度解码模块由第一全连接层、第一ReLU激活函数、第二全连接层、第二ReLU激活函数、第三全连接层、第三ReLU激活函数、权重融合层构成； S9-2.将注意力特征依次输入到多尺度密度解码模块的第一全连接层、第一ReLU激活函数、第二全连接层、第二ReLU激活函数、第三全连接层、第三ReLU激活函数中，输出得到初始亩穗数； S9-3.将初始亩穗数输入到多尺度密度解码模块的权重融合层中通过公式计算得到小麦亩穗数。

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山东鲁研农业良种有限公司，其通讯地址为：250103 山东省济南市历城区桑园路6号山东省农科院作物所院内；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。