買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華中農業大學申請的專利一種基于CBoTs-yolov5的香菇數目及生長期識別方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115690780B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211515062.7，技術領域涉及：G06V20/68；該發明授權一種基于CBoTs-yolov5的香菇數目及生長期識別方法及系統是由楊林;曾大鑫;龐彤;李沁瑤;李天宇;宗望遠;陳紅;邊銀丙設計研發完成，并于2022-11-30向國家知識產權局提交的專利申請。

本一種基于CBoTs-yolov5的香菇數目及生長期識別方法及系統在說明書摘要公布了：本發明涉及一種基于CBoTs?yolov5的香菇數目及生長期識別方法及系統，所述系統包括香菇信息邊緣采集裝置、云平臺和移動終端；所述香菇信息邊緣采集裝置包括攝像模塊、調控模塊和邊緣智能網關，所述攝像機模塊用于獲取菇架上的香菇圖片并將香菇圖片以數據幀的形式發送給所述邊緣智能網關，所述調控模塊用于調節所述攝像模塊拍攝時環境亮度；所述云平臺，用于接收所述邊緣智能網關發送的圖片信息，并采用CBoTs?yolov5算法識別圖片信息內香菇的成熟期以及香菇成型期的數目。本發明不僅提升識別香菇成熟度及數目統計的精度，提高生產效率，而且減少人力浪費。

本發明授權一種基于CBoTs-yolov5的香菇數目及生長期識別方法及系統在權利要求書中公布了：1.一種基于CBoTs-yolov5的香菇數目及生長期識別系統，其特征在于，所述系統包括香菇信息邊緣采集裝置、云平臺和移動終端； 所述香菇信息邊緣采集裝置包括攝像模塊、調控模塊和邊緣智能網關，所述攝像模塊用于獲取菇架上的香菇圖片并將香菇圖片以數據幀的形式發送給所述邊緣智能網關，所述調控模塊用于調節所述攝像模塊拍攝時環境亮度； 所述云平臺，用于接收所述邊緣智能網關發送的圖片信息，并采用CBoTs-yolov5算法識別圖片信息內香菇的成熟期以及香菇成型期的數目，識別后云平臺將數據儲存在數據庫內； 所述移動終端，用于接收所述云平臺發送的香菇數目及生長期的數據信息，并提供給用戶；所述云平臺包括CBoTs-yolov5算法模型和數據庫，所述CBoTs-yolov5算法模型是通過對yolov5算法模型進行改進得到識別精度更高的算法模型，所述數據庫包括圖片存儲表、識別結果表和溫室裝置表；所述CBoTs-yolov5算法模型包括： M1.獲取若干組香菇生長圖片，構建香菇生長期數據集； M2.采用圖形標注工具對所述香菇生長期數據集進行標注，標注后將所述香菇生長期數據集以6：2：2的比例隨機劃分為香菇生長期訓練集、香菇生長期測試集與香菇生長期驗證集； M3.替換yolov5原始網絡模型BackBone結構中C3模塊為CBoT模塊，在yolov5原始網絡模型中增加小目標檢測層，在yolov5原始網絡模型neck結構中添加CBAM模塊，構建CBoTs-yolov5模型； M4.使用所述香菇生長期訓練集、所述香菇生長期測試集和所述香菇生長期驗證集對CBoTs-yolov5模型進行訓練，得到最優模型權重； M5.將所述最優模型權重的CBoTs-yolov5模型部署到所述云平臺；在步驟M3中，包括： M31.將yolov5原始網絡模型BackBone結構中第8層C3模塊的BottleNeck中添加Multi-HeadSelf-Attention得到CBoT模塊； M32.將在步驟M31形成網絡模型中對neck結構再增加一層對特征圖的上采樣等處理，輸出P4大小的特征圖； M33.將在步驟M32形成網絡模型中對neck結構將要輸出特征尺寸圖前添加CBAM模塊；在步驟M31中Multi-HeadSelf-Attention的輸入為香菇圖片信息的特征矩陣的高、寬以及維度，之后經過三個卷積核大小為1的卷積層得到query矩陣、key矩陣和value矩陣，再將key矩陣與query矩陣進行矩陣乘法得到一部分注意力，同時初始化兩個參數向量分別表示高度與寬度不同位置的位置編碼，將兩個同維的位置編碼相加再與query矩陣進行矩陣乘法得到另一部分注意力，將兩個注意力相加再進行歸一化softmax函數得到全部的注意力，將注意力與value矩陣進行矩陣乘法得到Multi-HeadSelf-Attention的輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華中農業大學，其通訊地址為：430070 湖北省武漢市洪山區獅子山街道1號華中農業大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。