Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学张辉获国家专利权

湖南大学张辉获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种基于空谱融合高光谱处理模型的中药材分类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:CN121384838B

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:202511923250.7,技术领域涉及:G01N21/25;该发明授权一种基于空谱融合高光谱处理模型的中药材分类方法是由张辉;汤凯文;赵禀睿;汪海;廖湘东;牛通之;王耀南设计研发完成,并于2025-12-19向国家知识产权局提交的专利申请。

一种基于空谱融合高光谱处理模型的中药材分类方法在说明书摘要公布了:本发明公开了一种基于空谱融合高光谱处理模型的中药材分类方法,首先获取待分类的中药材的高光谱图像;然后对高光谱图像的波段执行融合以减少波段数,再对融合后的各个波段中像素执行归一化处理;接下来以图像中的像素点来逐个作为中心,提取中心像素点的邻域区域作为子图像,并将每个子图像的中心像素点作为待识别点;将子图像输入分类模型中,并分别提取子图像的图像光谱特征和图像空间特征后再执行拼接,然后通过注意力机制来增强通道特征,最后输出对中药材的分类类别。本发明能够克服中药材颜色相似性带来的问题,准确地区分细微的中药材差异,确保药方的正确性与药效。

本发明授权一种基于空谱融合高光谱处理模型的中药材分类方法在权利要求书中公布了:1.一种基于空谱融合高光谱处理模型的中药材分类方法,其特征在于,包括以下步骤: S1,获取待分类的中药材的高光谱图像,所述高光谱图像中包括代表不同光谱信息的多个波段; S2,对高光谱图像的波段执行融合以减少波段数,然后对融合后的各个波段中像素执行归一化处理; S3,以S2处理后的图像中的像素点来逐个作为中心像素点,提取中心像素点的邻域区域作为子图像,并将每个子图像的中心像素点作为待识别点,以通过分类模型来基于子图像对每个待识别点进行分类; S4,将子图像输入分类模型中,并分别提取子图像的图像空间特征和图像光谱特征后再执行拼接,然后通过注意力机制来增强通道特征,最后基于通道特征得出对中药材的分类类别; 所述步骤S4中,所述分类模型为训练得到的卷积神经网络模型,所述卷积神经网络模型包括并联的空间特征通道和光谱特征通道,两条通道的输出经拼接后再通过基于注意力机制的SE模块进行处理以增强通道特征; 所述空间特征通道包括多个串联的空间特征提取块,以及连接在空间特征提取块之后的卷积层、批归一化层和Sigmoid激活函数,每个空间特征提取块均包括串联的深度卷积层、逐点卷积层、批归一化层、基于通道注意力机制的SE模块和ReLU激活函数; 所述光谱特征通道包括串联的全连接层和ReLU激活函数,ReLU激活函数后串联有多个光谱特征提取块,每个光谱特征提取块的输入均通过残差连接来与输出拼接后再作为最终输出;所述光谱特征提取块包括串联的批归一化层、全连接层、GELU激活函数、Dropout层、全连接层和Sigmoid激活函数; 所述SE模块通过全连接层和批归一化层来将输入特征图的通道数进行压缩,再经ReLU激活函数处理后,经全连接层重新恢复到原始通道数,然后再次使用ReLU激活函数处理,最后通过全连接层将多通道的数据映射到代表类别的各个通道上,从而输出每个类别的预测概率。

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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。