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！

龙图腾网获悉安徽大学申请的专利约束条件下轻量级网络架构搜索的髌骨X光图像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：CN119313628B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411367008.1，技术领域涉及：G06T7/00；该发明授权约束条件下轻量级网络架构搜索的髌骨X光图像识别方法是由邱剑锋;姜世贸;马雪亮;谢娟;李海龙;赵佳慧设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本约束条件下轻量级网络架构搜索的髌骨X光图像识别方法在说明书摘要公布了：本发明公开了一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法，包括：1收集标注的髌骨X光图像数据并进行预处理，并划分训练集和验证集；2通过初始化构造神卷积神经网络种群；3利用X光数据集对种群中个体进行训练，使用基于约束的适应度函数值中作为个体的适应度值；4根据种群中个体的适应度值选择父代个体、通过自适应修剪率的滤波器修剪和交叉变异生成子代种群，最后进行环境选择；5迭代优化网络结构直至满足预定条件，并提取最佳架构作为髌骨X光图像识别模型。本发明能自动搜索适应髌骨X光图像数据集的卷积神经网络架构，从而实现对髌骨X光图像的准确分类，特别是有设备硬件约束的应用场景。

本发明授权约束条件下轻量级网络架构搜索的髌骨X光图像识别方法在权利要求书中公布了：1.一种约束条件下轻量级网络架构搜索的髌骨X光图像识别方法，其特征在于，是按如下步骤进行： 步骤1、收集I种真实类别标签的髌骨X光图像并进行预处理，得到预处理后的髌骨X光图像集并划分为训练集Dtra和验证集Dval； 步骤2、构建由若干个MobileNetV3结构的卷积模块、若干个最大池化模块和若干个平均池化模块组成的卷积神经网络； 步骤3、构建以卷积神经网络为个体的种群并进行迭代进化，从而获得性能最佳的个体作为最优髌骨X光图像识别模型Abest； 步骤3.1、参数定义并初始化，包括：种群大小为N，初始修剪率为，总迭代次数为T，当前迭代次数为t，训练周期为，交叉概率为，变异概率为； 步骤3.2、对N个卷积神经网络进行随机初始化，从而得到N个个体所组成的第t代种群Pt； 步骤3.3、将第t代种群Pt中的N个个体进行解码后，得到第t代种群Pt中的N个卷积神经网络； 步骤3.4、将训练集Dtra分别输入第t代种群Pt中的N个卷积神经网络中进行处理，得到第t代种群Pt中的N个卷积神经网络的预测类别标签，并与训练集Dtra的真实类别标签构建交叉熵损失函数，从而对第t代种群Pt中的N个卷积神经网络进行训练，得到训练后的第t代种群Pt； 将验证集Dval分别输入训练后的第t代种群Pt的N个卷积神经网络中进行处理，从而得到N个卷积神经网络的预测类别标签，并与验证集Dval的真实类别标签计算第t代种群Pt的每个个体的分类精度； 步骤3.5、计算第t代种群Pt的第i个个体的惩罚项CVt,i； 步骤3.6、计算第t代种群Pt的第i个个体的适应度值Ft,i； 步骤3.7、采用二进制锦标赛选择策略从第t代种群Pt中每次选取两个父代个体，并比较所选取的两个父代个体的适应度值，并保留适应度值较高的父代个体加入第t代交配池Pt’中，直至交配池Pt’中的个体数量为N为止； 步骤3.8、基于自适应修剪率对第t代交配池Pt’进行修剪之后，得到修剪后的第t代种群APt’； 步骤3.9、对第t代交配池Pt’进行交叉变异，得到变异后的第t代种群Ct’： 步骤3.10、将APt’和Ct’合并为规模为N的第t代子代种群Qt； 步骤3.11、将Pt与Qt进行合并后，形成规模为2N的第t代混合种群Mt，并根据Mt中每个个体的适应度值，通过轮盘赌选择机制从Mt中选出N个个体，从而构成第t+1代种群Pt+1； 步骤3.12、将t+1赋值给t后，若tT成立，则表示得到第T代种群PT，并执行步骤3.13，否则，返回步骤3.3顺序执行； 步骤3.13、对第T代种群PT中N个个体的适应度值进行降序排序，并将适应度值最大的个体作为最优髌骨X光图像识别模型Abest，用于对输入的髌骨X光图像进行识别，得到最佳预测类别标签。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。