法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 23 件在售专利
本发明公开了一种基于多模态融合的食物营养评估方法及系统,该方法包括:步骤1:通过多尺度双分支Transformer编码器并行提取食物RGB图像和RGB‑D深度图像的多尺度特征;步骤2:利用深度感知增强注意力融合模块对所述多尺度特征进行跨模态融合;步骤3:基于融合后的特征构建营养预测分支,输出五种宏量营养素含量;步骤4:将训练数据集在模型上采用端到端的方式进行训练,并将待检测的食物RGB图像和RGB‑D图像输入到训练好的模型中进行营养含量的预测。本发明利用食品RGB图像对应的RGB‑D深度模态来增强对不同食物类型体积信息的感知,通过深度感知增强注意力模块融合食物RGB图像中的视觉信息和RGB‑D图像中的空间物理特征,以生成具有鉴别信息的融合特征,提高评估准确性。
📄 2025103562193 📂 G06V20_68 👤 江南大学 📅 2025-03-25
¥0.0 元
本发明涉及食品分析技术领域,提供了一种基于自适应融合与特征增强的食品营养评估方法,包括:对待评估的目标对象的目标图像进行多尺度特征提取,获取目标图像的多尺度特征,目标图像包括RGB图像和深度图像;根据多尺度特征中目标尺度特征与尺度大于目标尺度特征的尺度特征,确定目标尺度特征对应的细节增强特征,目标尺度特征为多尺度特征中任意尺度的特征;将不同目标图像的细节增强特征进行特征融合,得到多尺度的融合特征;根据目标尺度的融合特征与小一尺度的融合特征,确定目标尺度的融合特征对应的语义增强特征;根据语义增强特征确定映射的营养素的数值。以解决相关技术中的基于图像进行食品营养评估的方法准确率较低的问题。
📄 2025100848292 📂 G06V20_68 👤 江南大学 📅 2025-01-20
¥0.0 元
本发明涉及深度学习以及食品分析技术领域,具体指一种基于多尺度信息融合的食品营养评估方法,包括:分别提取食品RGB图像、深度图像的各个尺度的RGB图像特征、深度图像特征;设计多模态融合算法,融合每一尺度的RGB图像特征与深度图像特征,得到每一尺度的目标融合特征;设计基于双向特征金字塔的多尺度特征融合算法,增强每一尺度的目标融合特征,得到每一尺度的双向增强融合特征;基于各个尺度的双向增强融合特征,采用多任务学习,预测多种营养素。本发明引入深度图像特征来获取三维空间信息,提取图像特征,并通过多模态融合与双向特征金字塔融合算法,获得了语义信息与细节信息丰富的特征,可为营养评估提供了精确的结果。
📄 2024110930621 📂 G06V20_68 👤 江南大学 📅 2024-08-09
¥0.0 元
本发明涉及一种食品识别方法、系统、设备和介质,其中,方法包括:步骤S1:获取若干食品图像,通过DenseNet网络对所述若干食品图像进行训练;步骤S2:在训练中,根据所述DenseNet网络的输出特征计算分类损失、类中心距离损失和类间距离损失,基于所述分类损失、类中心距离损失和类间距离损失构建总损失;步骤S3:若所述总损失小于预设损失,则完成对所述DenseNet网络的训练;若所述总损失不小于预设损失,则继续对所述DenseNet网络进行训练,直至总损失小于预设损失;步骤S4:通过训练好的DenseNet网络对待识别的食品图像进行识别。本发明能够对食品图像进行有效识别,减少误检。
📄 2024103778901 📂 G06V20_68 👤 江南大学 📅 2024-03-29
¥0.0 元
本发明涉及一种基于深度学习的叶菜根部与叶片特性识别方法和系统,涉及蔬菜识别技术领域,其中,方法包括:步骤S1:采集蔬菜图像,其中,所述蔬菜图像为具有根部和叶片的叶菜图像;步骤S2:提取所述蔬菜图像的不同分辨率的特征,对所述不同分辨率的特征进行特征融合,得到融合特征,对所述融合特征进行正交任务解耦与动态注意力处理得到分类解耦与定位解耦特征,对所述分类解耦与定位解耦特征分别进行预测,以识别蔬菜图像中的根部和叶片特性。本发明能够对蔬菜图像的根部和叶片进行有效识别。
📄 2026105523056 📂 G06V20_68 👤 江南大学 📅 2026-04-24
¥0.0 元
本发明公开了一种基于双目视觉的食物热量计算方法,涉及计算机视觉与营养分析技术领域。该方法首先利用标定后的双目摄像头采集食物图像,进行图像预处理;然后采用半全局块匹配算法结合加权最小二乘滤波计算优化视差图,并引入边缘‑视差协同网络提升弱纹理食物的匹配精度。随后,通过U‑Net网络分割食物区域,经边缘优化后输出精确轮廓;利用轻量级分类网络识别食物具体类别。进而,根据食物形态自适应选择等效柱体法或点云重建法进行三维体积重建,结合密度数据库将体积转换为质量。最后,查询包含烹饪方式信息的热量数据库,获得精准热量值。本发明方法显著优于现有技术,为家庭饮食管理与健康监测提供了高效、可靠的解决方案。
📄 2025118141568 📂 G06V20_68 👤 江南大学 📅 2025-12-04
¥0.0 元
本发明针对现有技术的局限性,提出了一种基于深度学习的常见农作物多类别虫害识别方法,其对深度学习模型DenseNet卷积神经网络进行了改进,通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON,使该卷积神经网络能够根据网络的输入,自适应调整感受野的大小,捕捉不同尺寸的目标;减少输入信息的噪声,增强输入信息的特征,让特征服从稳定的分布;还增强了网络的综合表现;使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集,提高了训练后所得虫害识别模型对农作物虫害的识别率,在实际应用过程中能很好的满足真实环境的要求。
📄 2021115851834 📂 G06V20_68 👤 华南农业大学 📅 2021-12-22
¥0.0 元
一种融合坐标注意力机制和组合卷积的YOLOv4识别方法,基于YOLOv4模型进行识别,选用GhostNet特征提取网络代替CSPDarkNet53作为YOLOv4骨干网络,采用通过少量计算生成大量特征图的结构,使用更低成本计算量获取特征层中冗余信息,减少模型参数量和计算量;引入坐标注意力机制增强对目标细粒性特征的提取;设计改进组合卷积模块节省计算能力,防止有效特征丢失,提高识别精度。改进YOLOv4模型对果实的识别准确率可达99.23%,可满足自然环境下果实识别精度与速度的需求,为采摘机器人快速精准作业提供保障。
📄 2022108646083 📂 G06V20_68 👤 河南科技大学 📅 2022-07-21
¥0.0 元
本发明公开了一种基于MSA‑DViTNet轻量级模型的芒果叶斑病识别方法,包括如下步骤:步骤1、对获取的芒果叶斑病数据图片根据病害类别进行分类并制作成数据集;步骤2、对步骤1得到的数据集使用数据增强对获得的数据集进行样本扩充,经预处理后得到训练集和验证集;步骤3、构建基于MSA‑DViTNet轻量级模型的芒果叶斑病识别网络;步骤4、利用步骤2得到的训练集输入到步骤3建立的基于MSA‑DViTNet轻量级模型的芒果叶斑病识别网络中进行模型训练,获得最优的模型权重;步骤5、使用步骤4中得到的最优模型权重作为预训练模型,在验证集上进行图像分类验证,以评估模型的性能。本发明能够提高芒果叶斑病的识别准确率,实现芒果叶斑病识别的轻量化部署。
📄 2023111430619 📂 G06V20_68 👤 淮安大学 📅 2023-09-05
¥0.0 元
本发明公开了基于深度学习的中药饮片智能识别与分类方法及系统,涉及智能分类技术领域,包括,采集中药RGB图像,对中药RGB图像进行预处理,获取中药RGB图像序列;将中药RGB图像序列输入至改进的RT‑DETR网络,通过LGLB模块对中药RGB图像序列进行特征提取,获取增强特征图;将增强特征图通过C2D模块进行上采样,生成高分辨率的增强特征图;将高分辨率的增强特征图进行解码,生成检测结果。本发明通过结合LGLB模块和C2D模块,实现自动提取和分类中药饮片的细节特征。
📄 2025115122048 📂 G06V20_68 👤 长春职业技术大学 📅 2025-10-22
¥0.0 元
基于深度学习的智能食物识别与营养分析方法,属于图像分析技术领域。其包括以下步骤:1、采集输入数据,对数据进行预处理;2、确定场景中目标的位置和掩码区域,生成密集深度图;3、构建食物三维点云,对三维点云进行去噪,并去除异常点;4、获得三维特征,并对图像提取二维特征并进行权重融合;5、将得到的特征进行拼接,并强化融合后的特征信息;6、回归预测食物重量和热量;7、对模型预测进行优化并验证预测效果。本发明采用2D+3D模态方式的特征融合,对原始图像进行数据增强,提取2D特征,同时生成3D点云,并进行多模态的特征融合对食物热量和重量进行预测,能够帮助消费者准确估算食物的热量、重量等指标,制定科学的饮食方法和建议。
📄 2025107489591 📂 G06V20_68 👤 浙江工业大学 📅 2025-06-06
¥0.0 元
一种应用于农业机器人采摘的鲜食葡萄检测方法,包括以下步骤:步骤1、将拍摄的葡萄图像数据集的数据加载到模型中,对图像进行马赛克数据增强操作,得到更丰富的数据样本,再进行后续的特征提取操作;步骤2、对预处理后的图像提取特征,生成特征向量;步骤3、对提取的特征进行多尺度融合;步骤4、对网络输出的多尺度特征图进行目标预测并计算损失函数;步骤5、判断训练是否达到最优训练效果,进行新一轮迭代或输出模型结果;步骤6、使用训练后的模型进行目标检测操作,并且使用非最大值抑制的方法,删除多余的预测框。本发明提高复杂场景中鲜食葡萄的识别精度与识别速度。
📄 2024110127676 📂 G06V20_68 👤 浙江工业大学 📅 2024-07-26
¥0.0 元
发明 已授权
发明 已授权
发明 已授权
发明 已授权

一种食品识别方法、系统、设备和介质

2024103778901 · 江南大学
¥0.0 元
发明 已授权
发明 已授权

一种基于双目视觉的食物热量计算方法

2025118141568 · 江南大学
¥0.0 元
发明 已授权
发明 已授权
发明 已授权
发明 已授权

基于深度学习的中药饮片智能识别与分类方法及系统

2025115122048 · 长春职业技术大学
¥0.0 元
发明 已授权

基于深度学习的智能食物识别与营养分析方法

2025107489591 · 浙江工业大学
¥0.0 元
发明 已授权

一种应用于农业机器人采摘的鲜食葡萄检测方法

2024110127676 · 浙江工业大学
¥0.0 元

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年