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！

龙图腾网获悉内蒙古农业大学申请的专利一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检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：CN119992541B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510480795.9，技术领域涉及：G06V20/68；该发明授权一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检测方法是由姜新华;鄂计祥;翟成珺;张丽娜;马学磊;张文婧设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检测方法在说明书摘要公布了：本发明公开了一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检测方法，涉及羊肉新鲜度检测领域，包括：获取不同新鲜度的羊肉样本，进行新鲜度指标测定和高光谱图像采集；根据新鲜度指标确定样本标签；利用不同的预处理和特征选择组合方法处理高光谱图像，作为样本特征，构建若干训练数据集；构建双分支层级光谱特征感知网络作为检测模型，并利用不同的训练数据集分别进行训练；计算训练好的各检测模型的评估指标，以最优预处理和特征选择组合方法对应的检测模型作为最终新鲜度检测模型，进行冷鲜羊肉新鲜度无损检测。本发明的基于双分支层级光谱特征感知网络，应用多模块联合机制充分感知光谱特征，实现了冷鲜羊肉新鲜度的高精度检测。

本发明授权一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检测方法在权利要求书中公布了：1.一种基于双分支层级光谱特征感知网络的冷鲜羊肉新鲜度无损检测方法，其特征在于，具体步骤如下： 获取不同新鲜度的羊肉样本，进行新鲜度指标测定和高光谱图像采集； 根据各所述羊肉样本的新鲜度指标确定对应的训练样本的样本标签； 利用不同的预处理和特征选择组合方法处理所述高光谱图像，作为训练样本的样本特征，构建与所述组合方法对应的若干训练数据集； 所述预处理包括：SG滤波器、多元散射校正、标准正态变量变换、一阶导数和移动平均法；所述特征选择包括：最大互信息最小化特征选择方法和增量特征选择方法；所述样本特征包括全局特征数据和局部特征数据；所述全局特征数据为所述高光谱图像预处理后的包含全部波段信息的图像数据，所述局部特征数据为所述全局特征数据经特征选择后的包含部分波段信息的图像数据； 构建双分支层级光谱特征感知网络作为检测模型，并利用不同的所述训练数据集分别进行训练； 所述双分支层级光谱特征感知网络包括：依次连接的特征提取模块、特征交互模块、特征融合模块和输出模块； 所述特征提取模块，分别对所述全局特征数据和所述局部特征数据进行特征提取，得到全局特征和局部特征； 所述特征交互模块，利用双向交叉注意力机制对所述全局特征和局部特征进行信息交互，得到优化全局特征和优化局部特征； 所述特征融合模块，对所述优化全局特征和优化局部特征进行多尺度加强，并利用多头注意力机制融合多尺度特征，得到融合特征； 所述输出模块，基于所述融合特征，利用层次分类器输出识别结果； 所述特征交互模块包括位置编码单元和双向交叉注意力单元； 所述位置编码单元，分别对所述全局特征和所述局部特征进行位置编码，生成对应的动态位置向量，公式为： PEx＝sinx100002jd,cosx100002j+1d； 其中，x是波段索引，j是位置编码维度，d是输入特征的维度； 所述双向交叉注意力单元，通过双向交叉注意力构建全局特征和局部特征的双向交互通道，进行全局和局部特征之间的信息流动，公式为： 其中，Zglobal、Zlocal分别为优化全局特征、优化局部特征，Xglobal、Xlocal分别为全局特征和局部特征； 所述特征融合模块包括：依次连接的多尺度池化层、多头注意力层和全连接层； 所述多尺度池化层，通过不同尺度池化策略提取不同粒度的特征，公式为： 其中，Zglobal、Zlocal分别为优化全局特征、优化局部特征， 分别为对应的池化后的结果，GlobalPooling、LocalPooling分别表示全局池化和局部池化； 所述多头注意力层中设置有四个并行的注意力头，每个注意力头以多尺度池化后的特征为输入，首先进行线性变换生成对应的查询、键和值，公式为： 其中，X为输入特征，Qi、Ki和Vi分别为第i个注意力头的查询、键和值，和分别为第i个注意力头对应的查询、键和值的线性变换矩阵； 然后计算每个注意力头的注意力Headi，公式为： 其中，dk是键的维度，Softmax表示激活函数，sqrt表示平方根操作、表示矩阵转置操作； 所述全连接层，将全部注意力头的输出进行拼接，通过线性变换得到融合特征Zfused，公式为： Zfused＝LinearConcatHead1，Head2，...,HeadiWO； 其中，Linear表示全连接层，WO为线性变换矩阵，Concat表示拼接操作； 所述层次分类器包括粗粒度分类器和精粒度分类器，首先通过所述粗粒度分类器，基于所述融合特征Zfused进行大类划分，得到中间特征H；再通过所述精粒度分类器，基于中间特征进行细化分类，得到最终检测结果Y，具体公式如下： H＝ReLUZfusedWshared+bcoarse； Y＝HWfine+bfine； 其中，Wshared、bcoarse分别为粗粒度分类器的权重和偏置，Wfine、bfine分别为精粒度分类器的权重和偏置，ReLU为激活函数； 所述粗粒度分类器和所述精粒度分类器均采用交叉熵损失函数，并通过引入动态权重，得到所述输出模块的总损失函数，具体公式为： Ltotal＝wdynamicLcoarse+1-wdynamiceLfine； 其中，Ltotal表示总损失函数，Lcoarse、Lfine分别为粗粒度分类器、精粒度分类器的损失函数；wdynamic表示动态权重，公式为： w1 dynamic＝epochepochmax； w2 dynamic＝LcoarseLcoarse+Lfine； 其中，epoch、epochmax分别表示训练轮次和最大训练轮次，w1 dynamic、W2 dynamic分别表示训练初期和训练后期的动态权重； 计算训练好的各检测模型的评估指标，以最优预处理和特征选择组合方法对应的检测模型作为最终新鲜度检测模型，进行冷鲜羊肉新鲜度无损检测。

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内蒙古农业大学，其通讯地址为：010018 内蒙古自治区呼和浩特市昭赛罕区昭乌达路306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”。