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！

龙图腾网获悉清华大学申请的专利一种多层联级式的快递包装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：CN119251547B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411222490.X，技术领域涉及：G06V10/764；该发明授权一种多层联级式的快递包装图像识别方法是由温宗国;谭旖琦设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本一种多层联级式的快递包装图像识别方法在说明书摘要公布了：本发明提供了一种多层联级式的快递包装图像识别方法，该方法包括采集快递包装图像数据，构建多标签快递包装数据集，对YOLOv8框架模型进行预训练，将预训练的模型迁移至多标签快递包装数据集中对应的子数据集，分别构建内外部包装分类模型、内缓冲包装分类模型、外包装材质分类模型、外打包方式分类模型及多目标定位识别模型，判断待识别图像的类型，若为单目标包装图像，则将待识别图像输入内外部包装分类模型，将内外部包装分类模型的输出结果输入外包装材质分类模型、外打包方式分类模型及内缓冲包装分类模型，进行识别，若为多目标包装图像，则将待识别图像输入多目标定位识别模型，对多目标包装图像进行识别。本发明能够实现快递包装图像识别。

本发明授权一种多层联级式的快递包装图像识别方法在权利要求书中公布了：1.一种多层联级式的快递包装图像识别方法，其特征在于，包括： 采集快递包装图像数据； 基于快递包装图像数据构建多标签快递包装数据集； 基于预设的数据集对YOLOv8框架模型进行预训练，得到预训练的YOLOv8n-cls模型； 将预训练的YOLOv8n-cls模型迁移至多标签快递包装数据集中对应的子数据集，分别构建内外部包装分类模型、内缓冲包装分类模型、外包装材质分类模型、外打包方式分类模型及多目标定位识别模型； 根据所含目标数量判断待识别图像的类型，若为单目标包装图像，则将待识别图像输入内外部包装分类模型，将内外部包装分类模型的输出结果输入外包装材质分类模型、外打包方式分类模型及内缓冲包装分类模型，对单目标包装图像进行识别，若为多目标包装图像，则将待识别图像输入多目标定位识别模型，对多目标包装图像进行识别； 基于快递包装图像数据构建多标签快递包装数据集，具体为： 对采集到的快递包装图像数据进行数据增强； 对数据增强后的快递包装图像数据进行标签划分，其中，针对单目标包装图像，分为包装外部图像及包装内部图像，所述包装外部图像根据材质分为纸箱、深色塑料袋、浅色塑料袋、气泡袋、泡沫箱、编织袋及快递封套，针对打包方式及快递包装管理政策目标，将纸箱划分为普通箱、套袋箱、破损箱、胶带过度缠绕箱及外缓冲箱，所述包装内部图像包括含缓冲材料及不含缓冲材料，对于多目标包装图像，标签划分与包装外部图像一致； 使用可视化的开源标注工具LabelImg对数据增强后的快递包装图像数据进行手动标签标注，得到多标签快递包装数据集； 将预训练的YOLOv8n-cls模型迁移至多标签快递包装数据集中对应的子数据集，分别构建外包装材质分类模型，具体为： 从多标签快递包装数据集中提取标注为纸箱、深色塑料袋、浅色塑料袋、气泡袋、泡沫箱、编织袋及快递封套的图像，构建Outside-Material子数据集，并按8:1:1划分训练集、验证集及测试集； 将预训练的YOLOv8n-cls模型迁移至Outside-Material子数据集，进行训练微调，对相关配置与超参数进行设定，其中，将训练轮次设定为100轮次，输入图像尺寸设定为224，批次处理图像设定为16，并关闭早停功能，优化器根据迭代情况自动选择AdamW，初始学习率设定为0.01，动量设定为0.9，最终学习率设定为0.01，打开马赛克数据增强并在最后10轮训练关闭，得到外包装材质分类模型。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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。