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！

龙图腾网获悉北京邮电大学;杭州食方科技有限公司申请的专利基于多模态大模型的中草药鉴伪方法及系统、设备、介质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：CN120071070B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510495170.X，技术领域涉及：G06V10/80；该发明授权基于多模态大模型的中草药鉴伪方法及系统、设备、介质是由刘柳;朱文印;何召锋;徐振博设计研发完成，并于2025-04-21向国家知识产权局提交的专利申请。

本基于多模态大模型的中草药鉴伪方法及系统、设备、介质在说明书摘要公布了：本公开提供了一种基于多模态大模型的中草药鉴伪方法及系统、设备、介质，属于数据处理技术领域，该方法包括：响应于目标多模态数据为图像数据，基于空间匹配对图像数据进行配准处理，得到多类空间配准图像数据；并基于多类空间配准图像数据进行像素归一化处理，得到多类一致性图像数据；响应于目标多模态数据为文本数据，对文本数据进行标准化处理，得到多类一致性文本数据；将多类一致性图像数据和多类一致性文本数据作为目标一致性多模态数据；将目标一致性多模态数据输入目标多模态大模型，得到目标中草药的质量鉴别结果。本公开能够提高在小样本情况下鉴别能力，从而提高鉴伪的准确性。

本发明授权基于多模态大模型的中草药鉴伪方法及系统、设备、介质在权利要求书中公布了：1.一种基于多模态大模型的中草药鉴伪方法，其特征在于，包括： 响应于目标多模态数据为图像数据，基于空间匹配对图像数据进行配准处理，得到多类空间配准图像数据；并基于所述多类空间配准图像数据进行像素归一化处理，得到多类一致性图像数据； 响应于目标多模态数据为文本数据，对文本数据进行标准化处理，得到多类一致性文本数据； 将所述多类一致性图像数据和所述多类一致性文本数据作为目标一致性多模态数据；所述目标多模态数据为根据不同方式对目标中草药进行采集得到； 将所述目标一致性多模态数据输入目标多模态大模型，得到所述目标中草药的质量鉴别结果； 所述目标多模态大模型的训练过程，包括： 对历史一致性多模态数据和药典知识库进行语义匹配，得到多个数据对； 对所述多个数据对进行特征提取，得到多类模态特征； 将所述多类模态特征划分为正样本和负样本； 基于全局对比损失函数分别对所述正样本和所述负样本进行全局优化； 所述全局对比损失函数的计算公式为： 其中，为全局对比损失函数的值，为样本的特征向量，其正样本特征向量为，负样本特征向量为，，为计算两个特征向量之间余弦相似度的函数，为负样本权重系数；和均用于遍历负样本的索引，为负样本数量；为动态调节参数，为训练轮次，为初始调节参数，为控制调节参数下降速率的超参数； 基于局部对比损失函数分别对所述正样本和所述负样本进行局部优化； 所述局部对比损失函数的计算公式为： 其中，将特征向量划分为个局部区域，分别表示为、、，，为调节参数； 基于所述全局优化和所述局部优化确定多模态大模型的初始参数； 基于所述多模态大模型的初始参数确定多模态预训练模型； 计算每类模态特征与每类真品原型簇之间的距离； 基于所述距离确定每类模态特征的真品概率； 响应于所述真品概率小于第一概率阈值，将该类模态特征判定为伪品； 响应于所述真品概率大于或者等于第一概率阈值，将该类模态特征判定为真品； 基于梯度幅值识别所述初始参数中与伪品真品相关性大于第一相关阈值的目标参数； 将所述目标参数划分为全局参数和局部参数，所述全局参数为对模型整体性能和多模态数据的宏观特征表示起关键作用的参数，所述局部参数为与模型对局部细节特征的学习和表示相关的参数； 固定所述全局参数，并对所述局部参数进行微调，直至目标对比损失函数的误差值小于第一误差阈值，得到目标局部参数； 基于所述全局参数和所述目标局部参数确定所述目标多模态大模型。

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北京邮电大学;杭州食方科技有限公司，其通讯地址为：100089 北京市海淀区西土城路10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。