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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于多模态自适应融合的海关违禁品检测方法及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：CN120411705B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510492962.1，技术领域涉及：G06V10/80；该发明授权基于多模态自适应融合的海关违禁品检测方法及系统是由汪付强;张颢;吴晓明;赵春霖;张建强;马坤;张鹏;马晓凤;郝秋赟设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本基于多模态自适应融合的海关违禁品检测方法及系统在说明书摘要公布了：本发明公开一种基于多模态自适应融合的海关违禁品检测方法及系统，包括：获取海关通关图像‑文本对，并提取海关通关图像的包括多尺度特征的原始特征，分别对浅层特征和深层特征加权融合后生成浅层融合特征和深层融合特征，对深层融合特征经多尺度池化操作后得到池化特征，将浅层融合特征、深度融合特征和池化特征拼接生成增强特征，将增强特征和原始特征整合后得到视觉特征；将视觉特征与文本特征进行模态对齐，对检测模型进行两阶段训练，由此得到违禁品检测结果。设计自适应动态通道融合模块，从多层隐藏状态中整合浅层细节和深层语义，通过自适应权重优化特征表达，实现低层细节与深层语义的有效融合，提高复杂场景下的特征分辨能力。

本发明授权基于多模态自适应融合的海关违禁品检测方法及系统在权利要求书中公布了：1.一种基于多模态自适应融合的海关违禁品检测方法，其特征在于，包括： 获取海关通关图像-文本对，并提取海关通关图像的包括多尺度特征的原始特征； 以多尺度特征中的前N层特征为浅层特征，剩余层特征为深层特征，分别对浅层特征和深层特征加权融合后生成浅层融合特征和深层融合特征，对深层融合特征经多尺度池化操作后得到池化特征，将浅层融合特征、深度融合特征和池化特征拼接生成增强特征，将增强特征和原始特征整合后得到视觉特征；其中，从视觉编码器的所有隐藏层输出中提取浅层特征与深层特征，输入到自适应动态通道融合ADCI模块，将生成的增强特征序列与原始图像特征序列在通道维度整合，实现多尺度、多层次的特征融合与增强，生成更丰富、结构化的高维视觉特征序列； 自适应动态通道融合ADCI模块，将生成的增强特征序列与原始图像特征序列在通道维度整合，具体步骤为： 从视觉编码器的隐藏层中提取浅层特征和深层特征； 在ADCI中基于特征的L2范数计算自适应权重并加权融合，生成浅层融合特征和深层融合特征，每层的权重为： 其中，是第个浅层特征的权重；是第个深层特征的权重；是第个浅层特征在第个位置和第个维度上的值；是第个深层特征在第个位置和第个维度上的值；为序列长度，为隐藏维度； 然后通过Softmax归一化生成浅层自适应权重和深层自适应权重： 最后，利用权重加权融合生成浅层融合特征和深层融合特征； 在ADCI中对深层融合特征额外应用多尺度池化操作，生成深层池化特征； 在ADCI中将浅层融合特征、深层融合特征和深层池化特征在通道维度上拼接，生成增强特征序列，拼接特征公式如下： 其中，是浅层融合特征；是深层融合特征；是深层池化特征；指沿着最后一个维度进行拼接； 在ADCI中将增强特征序列与原始图像特征序列沿通道维度整合，输出最终的高维视觉特征序列，整合公式如下： 其中，是原始图像特征序列；是经过ADCI模块增强特征序列；指沿着最后一个维度进行拼接； 对高维视觉特征序列，引入双边软匹配策略，减少特征序列长度； 将视觉特征与文本特征进行模态对齐，基于得到的对齐多模态特征，对检测模型进行两阶段训练，对待测海关通关图像，采用训练后的检测模型，得到违禁品检测结果。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区大学路3501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。