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！

龙图腾网获悉电子科技大学申请的专利一种基于图像的白芷质量检测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：CN119445200B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411409755.7，技术领域涉及：G06V10/764；该发明授权一种基于图像的白芷质量检测方法是由夏涵;刘勇国;朱嘉静;李巧勤设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种基于图像的白芷质量检测方法在说明书摘要公布了：本发明属于计算机视觉、深度学习与药材质量检测交叉领域，提供一种基于图像的白芷质量检测方法，用以实现自动化、智能化的中药材质量检测，并且满足快速、方便、准确的白芷质量鉴定需求；首先，获取原始白芷图像，并通过数据增强构成样本数据集，进而形成训练数据集；然后，构建白芷质量检测模型并完成训练，主干网络采用resnet50，辅助网络采用EllipseNet，提出类椭圆回归框，使得网络对白芷各部位区域预测更为准确，能更好地提取白芷切片各区域的特征；最后，通过白芷质量检测模型完成白芷质量等级预测结果。综上，本发明针对白芷特定特征进行建模，对白芷质量鉴别具有优异效果，解决了现有技术中不能较好捕获白芷切片特征的问题。

本发明授权一种基于图像的白芷质量检测方法在权利要求书中公布了：1.一种基于图像的白芷质量检测方法，其特征在于，包括以下步骤： 步骤1.将白芷切片，并采用拍摄设备对切面进行图像拍摄，得到原始白芷图像； 步骤2.对原始白芷图像进行数据增强，构成样本数据集； 步骤3.对样本数据集中每一幅白芷图像进行标签标注，进而形成训练集； 步骤4.构建白芷质量检测模型，其中，主干网络采用resnet50，对白芷图像进行初始特征提取，输出多尺度初始特征图Pi,i＝1,2,3；辅助网络采用EllipseNet，特征图Pi分别输入至EllipseNet，由EllipseNet输出对应区域分割图，并像素映射至原始特征维度，区域分割图包括：白芷边界木质部边界形成层区域将特征图Pi与加权得到特征图Fi，特征图F2、F3经过上采样后与特征图F1保持相同维度，三者加权后得到特征图F，特征图F依次经过dropout操作、BN操作后输入全连接层，由全连接层输出分类预测结果； EllipseNet采用改进的FCOS网络，FCOS网络输出白芷切片的位置预测信息o、t、b、l、r，其中，o表示中心点，t、b、l、r分别表示中心点到上、下、左、右边界的距离，EllipseNet基于位置预测信息o、t、b、l、r定义类椭圆回归框，类椭圆回归框表示为： Ex,y＝ConcatEllipset,l,Ellipsel,b,Ellipseb,r,Ellipser,t 其中，Ex,y表示坐标为x,y的像素点的预测类椭圆回归框，Concat表示拼接操作，EllipseA,B表示以A,B为半长轴、半短轴形成的四分之一椭圆； 根据类椭圆回归框分别得到区域分割图，具体包括：白芷边界Et、形成层边界Ec、木质部边界Ew以及形成层区域Ec-w，Ec-w＝Ec-Ew； 步骤5.构建损失函数，采用训练集对白芷质量检测模型完成训练；所述损失函数L表示为： L＝αLgui+βLratio+Lcls 其中，α与β为可学习超参数；Lgui表示EllipseNet损失，Lratio表示辅助损失，Lcls表示分类损失； EllipseNet损失表示为： 其中，与Ej分别表示标注轮廓与预测轮廓，N表示像素点总数目； 辅助损失表示为： 其中，τ为温度因子，δ为占比置信度，St与Sw分别表示完整白芷切片与木质部部分的面积； 分类损失表示为： Lcls＝-∑yklogpk 其中，pk表示该白芷切片属于第k个质量等级的预测概率，yk表示第k类真实标签； 步骤6.将待检测白芷图像输入至训练完成的白芷质量检测模型，由模型输出白芷质量等级预测结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。