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！

龙图腾网获悉吉林大学申请的专利基于视觉识别的玉米收获机作业参数检测控制方法与系统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：CN121549175B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610077950.7，技术领域涉及：A01D45/02；该发明授权基于视觉识别的玉米收获机作业参数检测控制方法与系统是由张成远;付君;薛钊;付乾坤;李振晔设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于视觉识别的玉米收获机作业参数检测控制方法与系统在说明书摘要公布了：本发明公开了基于视觉识别的玉米收获机作业参数检测控制方法与系统，涉及计算机视觉和自动控制技术领域，包括，实时采集玉米收获机集穗箱内的图像，并以集穗箱内的玉米损伤比例和玉米苞叶含量为指标，构建像素级分类模型和目标检测模型；基于收获损失质量预测模型对单次作业的多张像素级标签图和损伤率数据进行预测，生成玉米果穗收获损失质量预测值；构建玉米收获机控制模型，对玉米收获机的作业参数数据进行自适应调整；通过集成各类传感器，能够实时采集玉米收获机关键作业参数，实现对割台高度、摘穗辊转速、扒皮辊转速及除杂风机转速等作业参数的自适应优化控制，从而在不同地块条件、作物品种及含水率下均能保持最佳作业状态。

本发明授权基于视觉识别的玉米收获机作业参数检测控制方法与系统在权利要求书中公布了：1.一种基于视觉识别的玉米收获机作业参数检测控制方法，其特征在于：包括， 利用各类传感器检测玉米收获机行驶速度、割台高度、割台转速、扒皮辊转速、除杂风机转速、摘穗辊扭矩和扒皮辊扭矩，形成作业参数； 实时采集玉米收获机集穗箱内的图像，并以集穗箱内的玉米损伤比例和玉米苞叶含量为指标，构建像素级分类模型和目标检测模型； 基于像素级分类模型和目标检测模型将集穗箱图像分别对集穗箱图像进行像素级分类和目标检测，生成三通道像素级标签图、目标检测结果图、果穗损伤率、含杂率和果穗部位损伤率； 基于收获损失质量预测模型对单次作业的多张像素级标签图和损伤率数据进行预测，生成玉米果穗收获损失质量预测值； 构建玉米收获机控制模型，对玉米收获机的作业参数数据进行自适应调整； 所述各类传感器包括霍尔传感器、激光测距传感器、转速传感器、扭矩传感器； 所述实时采集玉米收获机集穗箱内的图像，果穗图像尺寸为1024×1024像素，并将果穗图像裁剪为4个512×512像素的子图像； 所述像素级分类模型为改进的U-Net模型，改进方式为，编码器基于EfficientNetV2模型，解码器在第一次跳跃连接处引入多组空间通道注意力机制； 所述目标检测模型采用改进的Yolov12模型，改进方式为，将Yolov12的颈部网络的3×3融合卷积和主干网络中的重复卷积块修改为深度可分离卷积，同时在主干网络和颈部网络的连接处引入超图自适应相关增强、全流程聚合与分发范式机制； 所述收获损失质量预测模型是采用动态图建模与神经微分方程； 将集穗箱摄像头连续采集的果穗像素级标签图按时间顺序排列，形成时序损伤图序列，跟踪损伤区域的出现、扩张、漂移和合并过程，并计算每帧的损伤率与损伤面积、形态参数，形成用于建模的损伤时序特征序列；采用连续时间神经微分构建动态状态空间模型，用潜在状态向量表示损伤变化的潜在过程，演化由可学习的神经网络函数通过积分求解器进行连续时间演化，得到在任意时刻的预测状态，实现损伤变化的连续建模与可微预测；为保证预测的损失随时间增加，在输出端设计了非负单调积分头，将时序损伤率映射为非负的损失增长速率，并通过时间积分获得累计损失质量，保证损失质量随时间单调递增； 获得累计损失质量表达式为： ； 其中，表示在时间区间[0,t]内的累计损失质量；表示在时刻的瞬时损失增长率，用于描述损失随时间的增长速度，为时间微元，表示无穷小的时间增量，表示修正线性单元函数；表示偏置向量；表示对的线性映射； 所述玉米收获机控制模型为基于安全学习的模型预测控制模型。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。