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！

龙图腾网获悉福建省曾志环保科技有限公司;曾志无废城市(三明)环保科技有限公司申请的专利基于超光谱技术和AI分类模型的复合材料垃圾分拣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：CN120279340B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510759162.1，技术领域涉及：G06V10/764；该发明授权基于超光谱技术和AI分类模型的复合材料垃圾分拣方法是由吴清术;钟春平;宋权波设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本基于超光谱技术和AI分类模型的复合材料垃圾分拣方法在说明书摘要公布了：本发明涉及一种基于超光谱技术和AI分类模型的复合材料垃圾分拣方法，包括以下步骤：S1:进行多模态数据采集；S2:对采集的多模态数据进行预处理，并融合，得到多模态数据的联合特征；S3:基于多模态神经网络模型构建分类模型，根据联合特征进行分类；S4：基于分类结果，使用SegFormer深度分割网络，在像素级识别垃圾组成成分，实现多个材质构成物体的精准分割；S5:通过目标跟踪算法保持对垃圾轨迹的目标跟踪；S6：基于S5中目标跟踪的结果，实时预测垃圾在输送带上的位置，并根据分类和分割结果，精准执行分拣动作。本发明能够高效、精准地处理复杂复合材料垃圾。

本发明授权基于超光谱技术和AI分类模型的复合材料垃圾分拣方法在权利要求书中公布了：1.基于超光谱技术和AI分类模型的复合材料垃圾分拣方法，其特征在于，包括以下步骤： S1:在输送带沿线不同节点部署若干个超光谱和RGB相机，每个节点专注一个区段的垃圾的多模态数据采集； S2:对采集的多模态数据进行预处理，并根据时间戳及空间位置对RGB和超光谱数据进行融合，得到多模态数据的联合特征; S3:基于多模态神经网络模型构建分类模型,根据联合特征进行分类;多模态神经网络模型包括超光谱分支、RGB分支、多层融合策略层和分类头;所述分类模型，针对少样本复合材料，引入元学习优化分类模型; S4：基于分类结果，使用SegFormer深度分割网络，在像素级识别垃圾组成成分，实现多个材质构成物体的分割； S5:通过目标跟踪算保持对垃圾轨迹的目标跟踪; S6：基于S5中目标跟踪的结果，实时预测垃圾在输送带上的位置，并根据分类和分割结果执行分拣动作; S1具体为： 在输送带沿线不同位置预先测量区段长度L和宽度W； 根据垃圾流速v，结合垃圾的密集程度Rdensity，确定每个节点的采样频率fsampling； ； 其中，dmin是相邻垃圾之间的最小间距； 根据采样视场Fview=θH,θV，其中θH是水平方向的视场角、θV是垂直方向的视场角，确定重叠区域，避免垃圾检测盲区，相邻节点的部署间距S nodes为： ； 每个节点包括RGB相机、超光谱成像仪、触发装置及控制器； 设输送带上的垃圾以速度v移动，传感器动态捕获物体的多模态信息：基于传感器的分辨率和FOV计算每次采样覆盖的输送带长度L capture和宽度W capture： ； 其中h是传感器到输送带的垂直高度，其中： Lcapture≥L,Wcapture≥W； 垃圾在两个采样时间间隔Tcapture内的位移Δx按以下公式计算： ； 确保Δx≤dmin，保证连续采样，不漏检测; S2具体为: 设采集的RGB数据为Rtx,y,c，对应时间戳tR;超光谱数据为Htx,y,λ，对应时间戳tH;其中，x,y表示空间维度，λ表示超光谱图像中的光波波长；c为通道数； 对于每一帧RGB数据Rt，找到与Rt时间戳最接近的超光谱数据Ht： ； 其中，是时间差；表示在候选时间点集合中，找到使时间差最小的tH值； 时间对齐后，得到同步的多模态数据对Rt,Ht； 空间对齐通过标定得到的变换矩阵Talign完成，公式为： ； 其中，[u,v]Hyper是超光谱数据的像素坐标；[u,v]RGB是RGB数据的像素坐标； 将超光谱数据的像素坐标与RGB数据的像素坐标对齐，得到空间一致的多模态数据； 时间和空间对齐后，对每个像素点，将RGB数据和超光谱数据直接拼接，形成联合特征Ftx,y。

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福建省曾志环保科技有限公司;曾志无废城市(三明)环保科技有限公司，其通讯地址为：350000 福建省福州市闽侯县上街镇高新大道66号清华紫光浦上商业小镇(现:紫光浦上商业广场)B5#楼11层1109SOHO办公；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”。