買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜晨達(廣州)網絡科技有限公司申請的專利一種基于機器視覺的圖像分類方法及系統獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119399559B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510000433.5，技術領域涉及：G06V10/764；該發(fā)明授權一種基于機器視覺的圖像分類方法及系統是由王婧;歐玲君;楊子豪;蘇煜展;洪博;羅四維設計研發(fā)完成，并于2025-01-02向國家知識產權局提交的專利申請。

本一種基于機器視覺的圖像分類方法及系統在說明書摘要公布了：本發(fā)明涉及圖像處理技術領域，公開了一種基于機器視覺的圖像分類方法及系統，獲取通過視覺設備采集的初始圖像集，對初始圖像集中的圖像數據進行預處理操作，得到第一圖像集；對第一圖像集中的圖像數據進行特征提取，得到第二圖像集，對第二圖像集進行降維處理，得到輸入圖像集；將輸入圖像集拆分為訓練數據集和測試數據集，輸入訓練數據集對預訓練模型進行訓練；將測試數據集的分類準確率作為訓練結果的評價指標，更新權重，確定模型參數值，輸出圖像分類模型；采用圖像分類模型對平臺中的圖像進行分類，并進行類別標記，并采用沙丘貓算法根據用戶的搜索信息進行圖像推薦，基于搜索信息輸出圖像分類結果；本發(fā)明提高了分類的準確性和效率。

本發(fā)明授權一種基于機器視覺的圖像分類方法及系統在權利要求書中公布了：1.一種基于機器視覺的圖像分類方法，其特征在于，所述基于機器視覺的圖像分類方法包括以下步驟：獲取通過視覺設備采集的初始圖像集，對所述初始圖像集中的圖像數據進行預處理操作，得到第一圖像集；對所述第一圖像集中的圖像數據進行特征提取，得到第二圖像集，對所述第二圖像集進行降維處理，得到輸入圖像集；將所述輸入圖像集拆分為訓練數據集和測試數據集，獲取預訓練模型，并初始化參數，輸入所述訓練數據集對所述預訓練模型進行訓練；使用訓練后的模型將所述測試數據集的分類準確率作為訓練結果的評價指標，并更新權重，確定模型參數值，輸出圖像分類模型；采用所述圖像分類模型對平臺中的圖像進行分類，并進行類別標記，并采用沙丘貓算法根據用戶的搜索信息進行圖像推薦，基于所述搜索信息輸出圖像分類結果；其中，對所述第一圖像集中的圖像數據進行特征提取，得到第二圖像集，包括：獲取所述第一圖像集中的圖像數據，針對所述第一圖像集中的圖像數據構建尺度空間；采用局部自適應閾值的FAST算法在每個尺度進行特征點檢測，將檢測到的特征點作為初始特征點；構建高斯金字塔，在所述高斯金字塔中對所述初始特征點與其鄰域以及上、下尺度的點進行極值比較，并判斷所述初始特征點是否為極大值或極小值；若是，則將所述初始特征點確定為最終特征點，若否則以所述初始特征點為中心的鄰域范圍內搜索距離中心最近的極值點作為最終特征點；獲取提取的最終特征點，并采用SIFT描述符進行描述，生成相應特征向量，并生成第二圖像集；所述輸入圖像集拆分為訓練數據集和測試數據集，獲取預訓練模型，并初始化參數，輸入所述訓練數據集對所述預訓練模型進行訓練，包括：獲取所述訓練數據集中的樣本特征圖，將所述樣本特征圖輸入預訓練模型，其中所述預訓練模型基于卷積神經網絡構建；通過所述預訓練模型的深度位置編碼重疊切塊嵌入模塊進行重疊切塊處理，得到帶有局部重疊細節(jié)與邊緣信息的像素塊；將得到的像素塊線性映射為輸出特征，采用深度注意力模塊進行一次深度卷積獲取像素塊的權重信息，并添加對應的位置信息，得到帶有位置信息的特征序列；將帶有位置信息的特征與樣本特征圖相乘，融合位置信息和局部特征，得到特征圖；采用K-Means聚類算法對生成的特征圖進行聚類，進行剪枝后，識別準確率，使用上置信度函數作為采集函數，預測采集值最高的候選參數組合，根據預測結果在訓練候選參數組合對應的模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人晨達(廣州)網絡科技有限公司，其通訊地址為：510000 廣東省廣州市增城區(qū)新塘鎮(zhèn)廣深大道中125號自編602房516號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。