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！

龙图腾网获悉复旦大学申请的专利基于图像和近红外光谱信号的深度多模态纤维识别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：CN114595752B 。

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：202210193445.0，技术领域涉及：G06V10/764；该发明授权基于图像和近红外光谱信号的深度多模态纤维识别方法是由池明旻;彭博;邱亦宁设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于图像和近红外光谱信号的深度多模态纤维识别方法在说明书摘要公布了：本发明公开了一种基于图像和近红外光谱信号的深度多模态纤维识别方法。该方法包括以下步骤：（1）获取纺织品的图像和近红外光谱信号；（2）将图像数据处理成局部切片后利用深度自注意力网络提取子图像的视觉序列；（3）对近红外光谱数据进行处理后，用多分支深度卷积网络获得分层的近红外特征；（4）基于图像和信号相关注意力模块，通过一个评分模块对图像和近红外信号的顺序特征进行匹配，通过参数分离的双向特征一致性模块，捕捉信号到图像和图像到信号特征之间两个方向的关联性，获得融合特征；（5）对融合特征编码；（6）进行分类和损失计算；本发明能识别具有类似纹理特征、具有类似近红外光谱曲线的纺织品，识别精度高。

本发明授权基于图像和近红外光谱信号的深度多模态纤维识别方法在权利要求书中公布了：1.一种基于图像和近红外光谱信号数据的深度多模态纺织品纤维识别方法，其特征在于，包括如下步骤： （1）获取纺织品的图像和近红外光谱信号； （2）将图像数据处理成局部切片，对图像的局部切片进行编码计算； （3）对近红外光谱数据进行处理和编码； （4）进行多模态特征维度处理和特征融合； （5）进行融合特征编码过程； （6）进行分类和损失计算；其中： 步骤（4）中，首先通过线性函数投影层将图像视觉特征向量转换到与近红外光谱层次谱特征向量相同的特征维度，得到；其中，R代表特征的维度，N为一维特征图的通道数，T为每个融合特征的维度，D为斑块和地图的转化维度； 然后将两个模态的特征进行特征融合；具体如下： ①基于硬评分模块进行相关性挖掘，对图像和近红外信号的顺序特征进行匹配； 对于每个近红外特征，硬评分模块的目标是硬评分挖掘出最相关的视觉特征序列； 先定义一个相关性嵌入矩阵，表示为： ， 其中i和j是每个近红外光谱特征和图像视觉特征的序号，||||为一阶范数，为相应i，j序号下获得的相关性矩阵； 接着，利用硬性评分机制来计算最相关的指数： ， 其中为相关性矩阵，为获得的索引；基于获得的索引值，近红外特征对应的最相关图像视觉特征表示为； ②基于双向特征一致性模块来进一步匹配相关的特征； 双向特征一致性模块用于优化特征融合过程，其为每个嵌入提供一个关注权重，它包含两个方向，包括：近红外光谱层次谱特征向量P到图像视觉特征向量Q，图像视觉特征向量Q到近红外光谱层次谱特征向量P； 定义两个全局相似性矩阵，表示为： ， H和U的表示方式为： ， 其中是两个方向上特征转移的独立可学参数，分别为近红外光谱特征和图像视觉特征，[;]表示跨行连接，是元素对应位置乘法； 计算出从P到Q的软权重，随后在Q的每个位置上进行关注，得到从P到Q的注意权重，处理过程表示为： ， 其中为获得的权重矩阵，softmax函数获得归一化结果，为概率值； 同样的，得到从Q到P的注意权重，处理过程表示为： ； 最后，将P和Q的每个位置的加权向量连接起来，得到融合特征。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。