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！

龙图腾网获悉陕西科仪阳光检测技术服务有限公司申请的专利一种基于深度学习模型对新霉素谱图的图像数据处理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：CN120451687B 。

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：202510947519.9，技术领域涉及：G06V10/764；该发明授权一种基于深度学习模型对新霉素谱图的图像数据处理方法是由刘晓林;高星;杨旋;安金桃设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本一种基于深度学习模型对新霉素谱图的图像数据处理方法在说明书摘要公布了：本申请涉及图像处理技术领域，特别是涉及一种基于深度学习模型对新霉素谱图的图像数据处理方法，包括：获取初始的新霉素谱图数据，将每一新霉素谱图输入至目标深度学习模型中，得到对应的图像特征向量；根据图像特征向量，获取到新霉素的分类簇数据；可知，通过任意两个初始的新霉素图像的图像特征之间的时序关系度，再基于时序关系度对初始的新霉素图像进行分类处理，能够分析出新霉素图像之间的时间关系，建立起来新霉素随时间变化的数据，提高了新霉素图像的数据量。

本发明授权一种基于深度学习模型对新霉素谱图的图像数据处理方法在权利要求书中公布了：1.一种基于深度学习模型对新霉素谱图的图像数据处理方法，其特征在于，所述方法包括如下步骤： S100，获取初始的新霉素谱图数据A={A1，……，Ai，……，Am}，Ai是第i个初始的新霉素谱图，i的取值范围为1至m，m为初始的新霉素谱图数量； S200，将每一Ai输入至目标深度学习模型中，得到Ai对应的图像特征向量Bi={Bi1，……，Bij，……，Bin}，Bij是Ai中第j个图像特征，j的取值范围为1至n，n为Ai对应的图像特征数量； S300，根据每一Bi，获取到新霉素的分类簇数据U={U1，……，Ut，……，Uβ}，Ut是第t个新霉素的分类簇，t的取值范围为1至β，β是新霉素的分类簇数量；其中，在S300步骤中还包括如下步骤： S301，获取Bi与除了Bi之外的其他图像特征向量之间构建的时序关系度Fi={Fi1，……，Fiu，……，Fiη}，Fiu是Bi与除了Bi之外的第u个图像特征向量之间的时序关系度，Fiu符合如下条件： ，B0uj是除了Bi之外的其他图像特征向量中第u个图像特征向量内的第j个图像特征，u的取值范围为1至η，η是除了Bi之外的其他图像特征向量的总量，其中，△Bg是不同新霉素组分在第g个时间节点采集到的样本图像对应的时序关系度阈值，g的取值范围为1至z，z是每一新霉素组分中样本图像数量，max为最大值函数；△Bg的获取过程包括如下： 获取第r个新霉素组分中第g个样本图像的图像特征向量与第g+1个样本图像的图像特征向量之间的时序关系度，r的取值范围为1至s，s是新霉素组分的总数量； 获取所有的新霉素组分的第g个样本图像的图像特征向量与第g+1个样本图像的图像特征向量之间的时序关系度之间的均值； 其中，第r个新霉素组分中第g个样本图像的图像特征向量与第g+1个样本图像的图像特征向量之间的时序关系度符合如下条件：，Djrg是第r个新霉素组分中第g个样本图像中第j个图像特征，Djrg+1是第r个新霉素组分中第g+1个样本图像中第j个图像特征； S302，基于初始的向量间时序关系度矩阵F与预设的时序关系阈值△F，生成目标向量间时序关系度矩阵F0，F符合如下条件： ，当Fiu≥△F时，在F0中保留Fiu，当Fiu＜△F时，在F0中设置Fiu=0； S303，根据目标向量间时序关系度矩阵F0，生成新霉素的分类簇数据U={U1，……，Ut，……，Uβ}。

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陕西科仪阳光检测技术服务有限公司，其通讯地址为：710000 陕西省西安市未央区和生国际食品交易中心8楼；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。