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！

龙图腾网获悉聊城大学申请的专利一种基于空-谱联合模型的图像识别方法、系统及介质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：CN118918442B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411069132.X，技术领域涉及：G06V10/82；该发明授权一种基于空-谱联合模型的图像识别方法、系统及介质是由张云龙;张来刚;赵岭设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种基于空-谱联合模型的图像识别方法、系统及介质在说明书摘要公布了：本申请公开一种基于空‑谱联合模型的图像识别方法、系统及介质，涉及图像识别领域，包括：获取多个不同的样本图像；对所有样本图像进行预处理，得到多个样本切片图像；将所有样本切片图像按比例划分为训练集、验证集和测试集；构建图像识别基础模型；基于训练集和标签集，对图像识别基础模型进行训练，直至样本切片图像中多类目标体识别的平均准确率和总体准确率均大于设定阈值；利用测试集和验证集对训练后的图像识别基础模型进行测试和验证，并将训练、测试和验证后的图像识别基础模型确定为空‑谱联合模型；获取待识别图像，并将待识别图像输入空‑谱联合模型，识别得到待识别图像中的多类目标体。本申请提高了图像中多类目标体识别的精度。

本发明授权一种基于空-谱联合模型的图像识别方法、系统及介质在权利要求书中公布了：1.一种基于空-谱联合模型的图像识别方法，其特征在于，所述基于空-谱联合模型的图像识别方法包括： 获取多个不同的样本图像；每个样本图像中包含多种类别的目标体；各类别的目标体颜色相近或无色透明； 对所有样本图像进行预处理，得到多个样本切片图像；所述预处理至少包括：黑白校正、三维裁剪、标准化、多元散射校正和切片； 将所有样本切片图像按比例划分为训练集、验证集和测试集； 构建图像识别基础模型；所述图像识别基础模型至少包括：光谱特征提取网络和空间特征提取网络；所述光谱特征提取网络包括：第一分层残差结构和第二分层残差结构；所述空间特征提取网络包括：第三分层残差结构和第四分层残差结构；所述第一分层残差结构与所述第二分层残差结构采用级联方式连接；所述第三分层残差结构和所述第四分层残差结构采用级联方式连接；所述第一分层残差结构和所述第三分层残差结构中均含有n个层结构，n个层结构采用级联方式连接；所述第一分层残差结构和所述第三分层残差结构中均有n-1个层结构含有卷积块；所述第二分层残差结构和所述第四分层残差结构中均含有m个层结构，m个层结构采用级联方式连接；所述第二分层残差结构和所述第四分层残差结构中均有m-1个层结构含有卷积块；n、m为大于2的整数且满足nm；所述第三分层残差结构内部的运算关系满足： 式中，为第三分层残差结构中第i个层结构的输出，为第三分层残差结构中第n个层结构的输入，为第三分层残差结构中第n-1个层结构的输出，K·为第二卷积算子；所述第四分层残差结构内部的运算关系满足： 式中，为第四分层残差结构中第i个层结构的输出，为第四分层残差结构中第m个层结构的输入，为第四分层残差结构中第m-1个层结构的输出，K·为第二卷积算子； 基于所述训练集和标签集，对所述图像识别基础模型进行训练，直至样本切片图像中多类目标体识别的平均准确率和总体准确率均大于设定阈值；所述标签集中含有多个标注各类目标体的样本切片图像； 利用所述测试集和所述验证集对训练后的图像识别基础模型进行测试和验证，并将训练、测试和验证后的图像识别基础模型确定为空-谱联合模型； 获取待识别图像，并将所述待识别图像输入所述空-谱联合模型，识别得到所述待识别图像中的多类目标体。

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聊城大学，其通讯地址为：252059 山东省聊城市东昌府区湖南路1号聊城大学；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”。