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！

龙图腾网获悉苏州工学院申请的专利基于YOLO轻量化模型的嵌入式掌静脉图像识别方法与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：CN120260084B 。

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：202510733603.0，技术领域涉及：G06V40/12；该发明授权基于YOLO轻量化模型的嵌入式掌静脉图像识别方法与系统是由王颖;陆进超;邢晓双;周立凡;汝吉东;高燕;周思林;张贵阳;王福州;蔡凌志设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于YOLO轻量化模型的嵌入式掌静脉图像识别方法与系统在说明书摘要公布了：本发明公开了一种基于YOLO轻量化模型的嵌入式掌静脉图像识别方法与系统，包括：首先分析卷积层贡献度，精简网络并替换卷积方式，得到第一网络结构；接着通过剪枝技术移除不重要连接，得到第二结构；利用知识蒸馏从教师网络提取特征并调整参数，得到第三结构；采用混合精度量化策略，得到第四结构；加入特征金字塔网络捕获多尺度特征，得到第五结构；引入解剖学指导的注意力机制，得到第六结构；设计损失函数调整权重，得到第七结构；通过自适应特征增强模块处理低对比度图像，最终得到第八网络结构，通过第八网络结构进行掌静脉图像识别，获得识别结果。本发明确保特征满足识别精度要求的同时，实现了高效、精准的掌静脉图像识别。

本发明授权基于YOLO轻量化模型的嵌入式掌静脉图像识别方法与系统在权利要求书中公布了：1.一种基于YOLO轻量化模型的嵌入式掌静脉图像识别方法，其特征在于，包括： 获取原始YOLO模型的网络结构，通过分析各卷积层对掌静脉识别的贡献度，确定冗余层和滤波器数量，采用深度可分离卷积替换标准卷积，得到精简后的第一网络结构； 基于所述第一网络结构，利用剪枝技术计算每条连接对静脉纹理特征提取的重要性，若重要性低于预设阈值，则移除对应连接，得到剪枝后的第二网络结构； 从预先建立的教师网络中提取掌静脉图像的特征表示，通过知识蒸馏方法将特征迁移至所述第二网络结构，调整学生网络参数，得到具备初步识别能力的第三网络结构； 分析所述第三网络结构中各层对低对比度掌静脉图像的敏感度，采用混合精度量化策略，对敏感层分配16位宽表示，非敏感层分配8位宽表示，得到量化后的第四网络结构； 通过设计多层次特征提取模块，在所述第四网络结构中加入特征金字塔网络，捕获主要血管、次级分支及毛细血管网络在不同分辨率的特征，得到包含多尺度信息的第五网络结构； 根据所述第五网络结构中的静脉层次特征，引入解剖学指导的注意力机制，通过计算各层特征图与静脉深度的相关性，获取模型对不同深度静脉的关注，得到优化后的第六网络结构； 根据所述第六网络结构的输出特征设计损失函数，通过衡量主要血管、次级分支及毛细血管特征的层级化表示误差，调整网络权重，得到精确提取层级特征的第七网络结构； 获取所述第七网络结构在嵌入式设备上的运行数据，通过自适应特征增强模块对低对比度掌静脉图像的纹理细节进行放大处理，判断增强后的特征是否满足识别精度要求，得到最终的第八网络结构；基于所述第八网络结构进行掌静脉图像识别，获得图像识别结果； 获取量化后的第四网络结构的过程包括： 通过卷积神经网络分析第三网络中各层对低对比度掌静脉图像的响应，得到敏感度分布； 根据所述敏感度分布，判断敏感层与非敏感层，确定层分配结果； 根据所述层分配结果，采用混合精度量化策略，对敏感层分配16位宽表示，得到第一量化参数；对非敏感层分配8位宽表示，得到第二量化参数； 根据所述第一量化参数和第二量化参数，融合生成第四网络结构； 若第四网络结构中存在精度损失，则通过梯度下降算法调整量化参数，获得量化后的第四网络结构； 获取包含多尺度信息的第五网络结构的过程包括： 通过多层次模块对掌静脉图像数据进行特征提取，得到初步特征集合； 采用特征金字塔网络处理所述初步特征集合，捕获不同分辨率特征，生成多尺度特征图； 从所述多尺度特征图中分离主要血管的特征，得到第一血管特征子集； 根据所述第一血管特征子集分析次级分支，获取第二血管特征子集； 通过所述第二血管特征子集检测毛细血管网络，确定第三血管特征子集； 获取所述第三血管特征子集与多尺度特征图的融合信息，判断第五网络结构的输出特征； 根据第五网络结构的输出特征优化网络结构，得到最终的多尺度血管网络表示； 获取优化后的第六网络结构的过程包括： 根据静脉网络结构图像获取层次特征数据，提取静脉深度信息； 采用卷积神经网络对所述静脉网络结构图像进行特征提取，得到多层特征图； 通过计算每层特征图与静脉深度信息的相关性系数，构建深度相关性矩阵； 若所述相关性系数大于预设阈值，则对应的层特征图权重提升； 若所述相关性系数小于预设阈值，则对应的层特征图权重降低； 根据调整后的特征图权重，设计注意力机制模块，生成注意力图； 将所述注意力图与原始特征图进行加权融合，得到增强后的特征表示； 基于增强后的特征表示，使用全连接层进行静脉深度分类，输出优化后的第六网络结构； 获取精确提取层级特征的第七网络结构的过程包括： 通过第六网络获取输出特征，采用卷积操作提取主要血管和次级分支及毛细血管的空间分布，得到初始层级表示； 针对初始层级表示，构建损失函数，计算主要血管和次级分支及毛细血管的表示误差，确定误差分布； 若所述误差分布超过预设阈值，则通过反向传播调整网络权重，得到更新后的权重参数； 采用更新后的权重参数优化第六网络结构，生成第七网络，提取精确的层级表示； 根据第七网络的层级表示，判断主要血管和次级分支及毛细血管的特征一致性，获得特征提取结果； 根据所述特征提取结果，获取血管结构的层级化描述，确定最终的第七网络输出； 从最终的第七网络输出中提取优化后的特征分布，得到精确的层级化表示； 获取最终的第八网络结构的过程包括： 获取第七网络结构在嵌入式设备上的运行数据，包括计算资源占用、处理速度和识别准确率； 通过自适应特征增强模块对低对比度掌静脉图像进行预处理，提取图像中的纹理细节信息，采用直方图均衡化算法对所述纹理细节信息进行对比度增强，生成增强后的掌静脉特征图像； 根据预设阈值判断增强后的掌静脉特征图像的图像特征是否满足识别精度要求，若不满足则返回自适应特征增强模块进行参数调整； 针对满足精度要求的特征，利用卷积神经网络提取深层特征，构建掌静脉特征向量，采用支持向量机分类器对所述特征向量进行分类识别，得到掌静脉身份识别结果； 根据识别结果和运行数据，对网络结构进行优化调整，得到最终的第八网络结构。

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苏州工学院，其通讯地址为：215506 江苏省苏州市常熟市南三环路99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。