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！

龙图腾网获悉重庆理工大学申请的专利基于轮廓感知与最优分布迁移的X光违禁品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：CN119888616B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411971446.9，技术领域涉及：G06V20/52；该发明授权基于轮廓感知与最优分布迁移的X光违禁品检测方法是由黄炼;杜英杰;蔡勤东;彭宗举;陈芬设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于轮廓感知与最优分布迁移的X光违禁品检测方法在说明书摘要公布了：本发明公开了一种基于轮廓感知与最优分布迁移的X光违禁品检测方法，包括：S1：获取待检测的X光图像；S2：将待检测的X光图像输入训练好的违禁品检测模型中，输出对应的违禁品检测图；在违禁品检测模型中，通过轮廓感知模块估计违禁品的轮廓信息来增强多尺度的特征图，通过最优分布迁移模块拟合生成额外的新类别特征来增强roi特征图；S3：将违禁品检测图作为待检测的X光图像的违禁品检测结果进行输出。本发明通过轮廓感知模块估计描述前景区域空间几何的关键轮廓细节并融入特征提取过程中；同时通过最优分布迁移模块充分利用前景违禁物品的轮廓信息和不同类别特征分布之间的可迁移性，有效防止模型过拟合，从而提高X光违禁品检测的性能。

本发明授权基于轮廓感知与最优分布迁移的X光违禁品检测方法在权利要求书中公布了：1.基于轮廓感知与最优分布迁移的X光违禁品检测方法，其特征在于，包括： S1：获取待检测的X光图像； S2：将待检测的X光图像输入训练好的违禁品检测模型中，输出对应的违禁品检测图； 训练违禁品检测模型的处理步骤如下： S201：获取用作训练样本的X光图像以及对应的违禁品轮廓图和违禁品标注图； S202：将X光图像输入骨干网络进行特征提取，得到多尺度的特征图； S203：将多尺度的特征图输入轮廓感知模块估计违禁品的轮廓信息，得到轮廓概率图；并通过轮廓概率图增强多尺度的特征图，得到多尺度的增强特征图； S204：基于轮廓概率图和违禁品轮廓图计算轮廓损失函数来优化轮廓感知模块的参数； S205：对多尺度的增强特征图进行感兴趣区域提取，得到roi特征图； S206：将roi特征图输入最优分布迁移模块拟合新类别的特征分布，生成额外的新类别特征；并通过新类别特征增强roi特征图，得到增强roi特征图； 步骤S206中，最优分布迁移模块生成新类别特征的处理步骤如下： S2061：基于roi特征图Froi建模新类别的特征分布 S2062：获取基本类别数据集Dbase；从基本类别数据集Dbase中提取特征向量其中fi表示第i类别对应的特征向量，N表示基本类别的总数；利用f计算每个基本类别的均值μbase及相应的协方差矩阵∑base，得到基本类别的特征分布 S2063：计算基本类别和新类别在特征空间中的余弦相似度； S2064：从基本类别中识别出与新类别具有最高余弦相似度的基本类别均值及其对应的协方差矩阵进而建模与新类别余弦相似度最高的基本类别的特征分布 S2065：从基本类别和新类别中采样基本类别和新类别的特征，得到基本类别特征Sbase和新类别特征Snovel；其中基本类别特征Sbase和新类别特征Snovel中的第i个采样特征表示为和m表示采样特征的数量； S2066：通过地球移动距离算法计算基本类别特征Sbase和新类别特征Snovel之间的最优传输方案 S2067：通过最优传输方案P调整新类别特征Snovel，得到校准后的新类别特征S′novel； 公式表示为； 式中：表示矩阵乘法； S2068：将校准后的新类别特征S′novel与roi特征图Froi进行拼接，得增强roi特征图Froi_aug； 公式表示为： Froi_aug＝[Froi，MLPS′novel]， 式中：MLP表示由全连接层和激活函数组成的多层感知机； S207：将增强roi特征图输入检测头进行检测，得到违禁品检测图；其中违禁品检测图中包括违禁品的目标框和对应的违禁品类型； S208：基于违禁品检测图和违禁品标注图计算损失函数来优化违禁品检测模型的参数； S209：重复步骤S201至S208迭代训练违禁品检测模型，直至模型收敛或达到预设的迭代次数； S3：将违禁品检测图作为待检测的X光图像的违禁品检测结果进行输出。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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。