Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 太仓海关综合技术服务中心(江苏国际旅行卫生保健中心太仓分中心、太仓海关口岸门诊部)杨凤英获国家专利权

太仓海关综合技术服务中心(江苏国际旅行卫生保健中心太仓分中心、太仓海关口岸门诊部)杨凤英获国家专利权

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!

龙图腾网获悉太仓海关综合技术服务中心(江苏国际旅行卫生保健中心太仓分中心、太仓海关口岸门诊部)申请的专利基于深度学习的病原体携带检测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:CN120072029B

龙图腾网通过国家知识产权局官网在2025-08-22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:202510147154.1,技术领域涉及:G16B15/00;该发明授权基于深度学习的病原体携带检测系统是由杨凤英;蔡丽萍;高晓丽;梅霓;陈郁钢设计研发完成,并于2025-02-11向国家知识产权局提交的专利申请。

基于深度学习的病原体携带检测系统在说明书摘要公布了:本发明涉及公共卫生领域,具体是指基于深度学习的病原体携带检测系统,包括数据采集模块、特征提取模块、深度学习模块、病原体检测模块和监测管理模块,本方案在特征提取模块中引入基于SwinTransformer的U‑Net结构,结合组合并行和顺序策略构建特征提取模型,通过残差学习、动态上采样和条件随机场处理,减少检测过程中的噪声干扰;在深度学习模块中使用跳跃残差方法对输出特征图像进行分类和识别,基于YOLOv8的基础架构与跳跃残差方法结合,同时通过模糊处理降低了特征图的噪声干扰,条件随机场进一步优化像素上下文关系。显著提高了检测的精度、鲁棒性和效率。

本发明授权基于深度学习的病原体携带检测系统在权利要求书中公布了:1.基于深度学习的病原体携带检测系统,其特征在于:包括数据采集模块、特征提取模块、深度学习模块、病原体检测模块和监测管理模块,具体包括以下内容: 所述数据采集模块在国境口岸采集蚊子样本,利用显微镜捕获蚊子样本的图像数据,对蚊子样本进行PCR检测获取蚊子样本的分子数据; 所述特征提取模块基于SwinTransformer的U-Net结构,结合组合并行和顺序策略构建特征提取模型,根据蚊子样本的图像数据和分子数据得到得到蚊子样本的输出特征图; 所述深度学习模块使用跳跃残差方法对输出特征图像进行分类和识别,得到识别结果; 所述病原体检测模块对捕获的蚊子样本进行病毒核酸提取,结合深度学习模块得到的识别结果,得到检测结果; 所述监测管理模块对检测结果进行存储管理,可视化检测结果的变化趋势; 特征提取模块中,基于SwinTransformer的U-Net结构,结合组合并行和顺序策略构建特征提取模型,具体实现步骤如下: 步骤S1:数据准备,收集历史蚊子图像数据和蚊子的分子数据合并构建数据集,按照6:2:2的比例分为训练集、验证集和测试集; 步骤S2:模型构建,根据基于SwinTransformer的U-Net模型构建特征提取模型,包括编码器和解码器,在编码器中插入LoRA和Adapter模块,采用组合并行和顺序策略优化特征提取模型的参数,解码器采用U-Net解码器结构; 步骤S3:模型架构调整,利用SwinTransformer的局部特征提取能力,对历史蚊子的图像数据进行分块和特征聚合,得到图像特征,添加独立的特征提取模块,利用多层感知器将历史蚊子的分子数据转化为分子特征,在编码器中引入特征融合模块,结合历史蚊子的图像特征和分子特征,生成联合特征图,解码器通过跳跃连接结合高分辨率特征,将联合特征图还原为输出特征图; 步骤S4:模型训练,使用训练集作为输入,通过编码器生成联合特征图,传递至解码器进行还原得到输出特征图,结合Dice损失和交叉熵损失设置损失函数,在训练开始阶段冻结编码器的权重,仅并行训练LoRA和Adapter模块; 步骤S5:模型测试,在验证集上评估特征提取模型的Dice系数和HD95指标; 步骤S6:特征提取应用,使用训练好的模型对数据采集模块在国境口岸采集的蚊子样本进行特征提取,得到蚊子样本的输出特征图。

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太仓海关综合技术服务中心(江苏国际旅行卫生保健中心太仓分中心、太仓海关口岸门诊部),其通讯地址为:215400 江苏省苏州市太仓县上海东路90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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。