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！

龙图腾网获悉南京林业大学申请的专利基于多模态智能木材缺陷检测与性能评估系统及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：CN120064307B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510231129.1，技术领域涉及：G01N21/898；该发明授权基于多模态智能木材缺陷检测与性能评估系统及方法是由倪超;李宁冉;薛胜;朱婷婷设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于多模态智能木材缺陷检测与性能评估系统及方法在说明书摘要公布了：本发明公开了一种多模态智能木材缺陷检测与性能评估系统及检测评估方法，集成多种传感技术与深度学习算法，实现木材缺陷检测与质量评估。系统包括木材传输、多模态数据采集、信息处理及智能分级模块，通过可见光、红外、近红外、超声波和微波传感器获取木材表面与内部特征。利用特征金字塔网络FPN与实例分割技术精准识别裂缝、虫眼、节疤等缺陷，并结合ARIMA和LSTM模型预测含水率，提升质量评估精度。本发明可以智能分类木材，提高检测效率，适用于木材加工、家具制造等领域。

本发明授权基于多模态智能木材缺陷检测与性能评估系统及方法在权利要求书中公布了：1.一种基于多模态智能木材缺陷检测与性能评估方法，其特征在于，采用基于多模态智能木材缺陷检测与性能评估系统实施以下步骤： S1：通过多模态传感器同步采集木材的可见光图像、红外热像图、近红外光谱、超声波信号及微波密度数据，并进行数据预处理； S2：将预处理后的多模态数据输入多分支卷积神经网络，结合特征金字塔网络进行多尺度特征提取，通过动态加权融合生成统一的高维特征向量； S3：基于所述高维特征向量，构建缺陷检测模型，并进行像素级分割及实例分割，输出缺陷类别、位置及边界信息； S4：采集木材外侧与内侧含水率数据，通过变分自编码器生成伪历史时间序列，结合ARIMA和LSTM模型预测未来含水率，具体包括以下步骤： S41：将木板外侧和内侧区域的含水率分别采集，通过对每个采样点赋予权重，计算加权平均值以得到外侧和内侧的整体含水率，最终整合为整体含水率的输入特征； S42：输入数据包含木材的外侧、内侧含水率和当前的环境的温度和湿度，构成模型基础输入向量，分别表示当前时刻的外侧和内侧加权含水率，表示当前环境温度，表示当前环境湿度； S43：编码器将输入向量映射为潜在特征分布的均值和标准差，并通过重参数化技巧生成隐变量，VAE解码器接收隐变量和输入向量，生成外侧和内侧含水率的伪历史时间序列： 外侧初步伪历史数据的集合为： ， 内侧初步伪历史数据的集合为： ， 通过引入物理模型先验约束生成数据，使伪历史序列更符合木材吸湿和脱湿的实际规律，引入物理模型公式后内、外侧含水率如下： ， ， 式中：为当前环境湿度，为吸湿脱湿速率，为水分扩散速率，和分别是外侧和内侧平衡VAE生成数据与物理修正数据的约束权重； S44：将VAE生成的伪历史数据整合为整体含水率的时间序列输入ARIMA模型，通过差分和回归分析捕捉线性趋势和周期性变化，输出初步预测值，整体含水率的时间序列计算方式如下： ， 式中：和分别为外侧和内侧含水率的权重； S45：将当前检测数据和VAE生成的伪历史时间序列结合，构成多维输入特征序列，输入表示为，将其输入LSTM模型进行时序建模，最终输出未来时刻的含水率预测值组成预测含水率图； S46：将ARIMA模型输出的线性趋势预测值与LSTM模型输出的非线性动态预测值进行整合，通过加权平均方法生成最终的预测结果，整合公式如下： ， 式中，和分别表示ARIMA和LSTM模型预测值的权重系数； S5：根据缺陷评分与含水率评分生成综合质量评分，划分木材等级并通过分流装置完成分拣。

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南京林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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。