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！

龙图腾网获悉成都锦发边缘智能科技有限公司申请的专利一种基于边缘视觉计算的表格数据行列自适应对齐的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：CN120375398B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510431539.0，技术领域涉及：G06V30/412；该发明授权一种基于边缘视觉计算的表格数据行列自适应对齐的方法与系统是由饶定远;闵圣捷;方波;李海艳;谢涛设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本一种基于边缘视觉计算的表格数据行列自适应对齐的方法与系统在说明书摘要公布了：本发明公开了一种基于边缘视觉计算的表格数据行列自适应对齐的方法与系统，该方法包括创建表格视频流自适应提取器，实时截取含表格数据的视频帧，识别目标表格位置信息，提取待检测表格图像；对于目标表格图像，构建基于视觉计算的自适应对齐模型，拼接多组视频帧的表格轮廓，对齐表格行列数据；基于表格行列数据，构建深度强化学习模型，精细调整表格结构化信息；基于表格结构信息，定制化识别并处理单元格文本数据；根据表格结构与文本数据，进行结构化编码和存储。本发明实现了视频流中表格数据的自动化识别、存储和对齐，提高了表格数据的采集效率和准确性，极大地节约人力成本。

本发明授权一种基于边缘视觉计算的表格数据行列自适应对齐的方法与系统在权利要求书中公布了：1.一种基于边缘视觉计算的表格数据行列自适应对齐的方法，其特征在于：所述方法包括以下步骤： 步骤S1：创建表格视频流自适应提取器，实时截取含表格数据的视频帧，识别目标表格位置信息，提取待检测表格图像； 步骤S2：对于目标表格图像，构建基于视觉计算的自适应对齐模型，拼接多组视频帧的表格轮廓，对齐表格行列数据； 步骤S3：基于表格行列数据，构建深度强化学习模型，精细调整表格结构化信息；所述步骤S3具体包括： 步骤S301：基于现有表格信息，对行列数据进行树结构编码，作为深度强化学习的状态空间； 步骤S302：将合并单元格、分割单元格操作定义为深度强化学习的动作，用于改变当前单元格的状态； 步骤S303：设计表格动作奖励模型，用于评估每个动作对于精确表格结构的调整效果，如果动作导致表格结构更接近真实结构时，给予正奖励；如果动作导致结构偏离真实结构，给予负奖励；表格动作奖励模型具体为： 其中，T1与T2分别代表目标表格结构与当前表格状态的树状编码表示，si与sj分别代表上述编码的第i和第j个子树；k•用于判断两个子树的结构是否相同，相同则值为1，不同则值为‑1； 步骤S304：实现表格图像序列编码器，其输入为表格图像序列，输出为表格图像特征，表格图像序列编码器具体为： Zt= Wt⊙convvt‑1, NZ + ReLUconvct, MZWt= convvt‑1, NW + ELUconvct,MWOt= ct‑1⊙Wt + 1* Zt⊙Wt – 1gt= ReLUct × R其中，c为表格图像序列，ct为当前表格图像，ct‑1为前一表格图像，Zt为t与t‑1时刻表格图像的信息丢失程度，Wt为t与t‑1时刻表格图像的信息保留程度，MW和NW为表格信息权重矩阵，MZ和NZ为带有表格丢失信息的权重矩阵，Ot为包含t时刻表格图像关键信息的特征矩阵，⊙为Hadamard积，表示两个矩阵对应位置的元素相乘，gt为包含t时刻视频帧关键信息的特征向量，conv•为卷积层，ReLU•为线性激活函数，ELU•为指数线性激活函数，R为线性变换权重矩阵； 步骤S305：基于表格图像特征，设计并训练深度强化学习模型，精细调整表格的行列结构，并输出表示表格结构的树状编码； 步骤S4：基于表格结构信息，定制化识别并处理单元格文本数据； 步骤S5：根据表格结构与文本数据，进行结构化编码和存储。

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成都锦发边缘智能科技有限公司，其通讯地址为：610000 四川省成都市锦江区工业园区三色路238号新华之星AI大厦1栋2单元9层1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。