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！

龍圖騰網獲悉四川農業大學申請的專利基于輕量化YOLOv8模型的茶葉病害檢測方法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：CN120472325B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202510977015.1，技術領域涉及：G06V20/10；該發明授權基于輕量化YOLOv8模型的茶葉病害檢測方法是由陳銳;周子博;周悅;邱宗森;周勝翔;楊詩睿;陳玨宇;姚宇杰設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于輕量化YOLOv8模型的茶葉病害檢測方法在說明書摘要公布了：本發明涉及茶葉病害檢測領域，具體涉及一種基于輕量化YOLOv8模型的茶葉病害檢測方法。技術方案包括：采集多種類型的茶葉病害圖像；對采集的多種類型的茶葉病害圖像進行預處理，預處理包括光照歸一化、幾何增強、光照增強、自適應直方圖均衡化、多尺度Retinex算法、動態Gamma校正以及圖像噪聲去除，并對不同類型茶葉病害圖像中的病斑區域進行標注，得到訓練數據集；構建輕量化YOLOv8模型；使用訓練數據集對輕量化YOLOv8模型進行訓練；將采集的茶葉病害圖像輸入至訓練完成后的輕量化YOLOv8模型中，通過訓練完成后的輕量化YOLOv8模型輸出茶葉病害類型。本發明適用于茶葉病害檢測。

本發明授權基于輕量化YOLOv8模型的茶葉病害檢測方法在權利要求書中公布了：1.基于輕量化YOLOv8模型的茶葉病害檢測方法，其特征在于，包括： S1、采集多種類型的茶葉病害圖像； S2、對采集的多種類型的茶葉病害圖像進行預處理，并對不同類型茶葉病害圖像中的病斑區域進行標注，得到訓練數據集； S3、構建輕量化YOLOv8模型； Ghost-CBAM模塊嵌入： 在YOLOv8的FPN-PAN多尺度特征融合網絡中，采用Ghost-CBAM模塊替代傳統卷積塊； Ghost-CBAM模塊將Ghost模塊與CBAM相結合，Ghost模塊利用廉價線性運算生成冗余特征圖，CBAM通過順序的通道注意力與空間注意力機制，自適應地強調有用通道和空間位置； Ghost-CBAM模塊采用兩階段處理流程，第一階段通過Ghost模塊的特征生成層構建冗余特征表達，第二階段通過級聯式通道-空間注意力機制對特征進行動態校準，最終將注意力權重與輸入特征進行逐元素乘積實現特征增強； 通道注意力機制： 針對Ghost模塊輸出的多通道特征，構建雙路特征壓縮通道： 通過全局平均池化和全局最大池化分別生成通道統計描述符，經參數共享的多層感知機進行非線性映射后，采用逐元素相加實現雙路特征融合，最終通過Sigmoid函數生成通道注意力掩碼； 空間注意力機制： 在通道校準后的特征基礎上，沿通道維度進行雙模式壓縮，通過卷積核構建局部-全局空間關聯模型，生成像素級空間注意力分布圖； 多任務協同優化： 構建特征復用架構，將經過注意力調制的多尺度特征同時饋入分類與回歸分支，通過引入梯度共享機制和基于知識蒸餾的聯合損失函數，實現目標定位精度與分類置信度的協同優化； 骨干網絡替換： 將YOLOv8原始骨干網絡Darknet全面替換為CSPDNet，保留三層多尺度特征輸出結構，每個階段嵌入DSCBlock模塊，通過可變形卷積核增強空間形變建模能力，配合通道加權機制替代傳統1×1卷積，實現輕量化的跨通道信息交互； CSPDNet基于可變形深度可分離卷積與跨階段部分連接思想，通過在每個階段內部引入DSCBlock模塊和通道加權模塊，減少冗余計算，同時增強對形變與多尺度目標的表達能力； 跨階段部分連接融合： 沿用原生CSP架構設計，將各階段特征拆分為基礎路徑和DSCBlock模塊處理路徑，通過特征拼接與1×1卷積融合策略，實現淺層紋理特征與深層語義特征的優勢互補； 動態分辨率適配： 根據輸入分辨率動態調整DSCBlock中可變形卷積的采樣偏移范圍和通道壓縮比例； S4、使用訓練數據集對輕量化YOLOv8模型進行訓練； S5、將采集的茶葉病害圖像輸入至訓練完成后的輕量化YOLOv8模型中，通過訓練完成后的輕量化YOLOv8模型輸出茶葉病害類型。

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四川農業大學，其通訊地址為：625000 四川省雅安市雨城區新康路46號；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”。