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

龍圖騰網恭喜齊魯工業大學(山東省科學院);山東省人工智能研究院;山東省計算中心(國家超級計算濟南中心);山東大學;浙江大華技術股份有限公司;哈爾濱工業大學(深圳)(哈爾濱工業大學深圳科技創新研究院);合肥工業大學申請的專利基于多尺度特征融合的X-ray圖像違禁品檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119295886B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411844794.X，技術領域涉及：G06V10/80；該發明授權基于多尺度特征融合的X-ray圖像違禁品檢測方法是由高贊;劉文秋;馬春杰;聶禮強;吳建龍;朱樹磊;金恒;殷俊;汪萌設計研發完成，并于2024-12-16向國家知識產權局提交的專利申請。

本基于多尺度特征融合的X-ray圖像違禁品檢測方法在說明書摘要公布了：本發明涉及一種基于多尺度特征融合的X?ray圖像違禁品檢測方法，屬于圖像處理技術領域。其包括以下步驟：獲取X?ray違禁品數據集，并將數據集劃分為訓練集和測試集；構建基于多尺度特征融合的X?ray圖像違禁品目標檢測模型，所述模型包括圖像分支、自適應高低通濾波器模塊、文本分支、Neck層和Head頭；訓練集中圖像輸入到模型中對模型進行訓練；采用損失函數對模型進行優化，得到訓練好的模型；測試集中圖像輸入到訓練好的模型中，得到違禁品檢測結果。本發明通過圖像文本的聯合訓練，在實時監測任務中提升性能的同時更加高效，減少計算量和內存占用，解決了復雜場景中圖像邊界細節模糊問題。

本發明授權基于多尺度特征融合的X-ray圖像違禁品檢測方法在權利要求書中公布了：1.一種基于多尺度特征融合的X-ray圖像違禁品檢測方法，其特征在于，包括以下步驟：S1.獲取X-ray違禁品數據集，并將X-ray違禁品數據集劃分為訓練集和測試集；S2.構建基于多尺度特征融合的X-ray圖像違禁品目標檢測模型，所述模型包括圖像分支、自適應高低通濾波器模塊、文本分支、Neck層和Head頭；訓練集中X-ray圖像輸入到模型中對模型進行訓練；訓練集中X-ray圖像輸入到圖像分支中進行特征提取得到第一特征、第二特征和第三特征；所述第一特征、第二特征和第三特征經過自適應高低通濾波器模塊進行特征融合增強，得到第一增強特征、第二增強特征和第三增強特征；在文本分支中，訓練集經過富文本生成模塊得到富文本表示，富文本表示輸入到語言模型中生成文本特征，具體為：在富文本生成模塊中，提取訓練集中每張圖片具有的違禁品類別的定位目標中心，使用具有方位表述的詞語表示違禁品在整張圖像的位置，所述方位表述的詞語包括左上、中上、右上、左中、中間、右中、左下、中下、右下；通過規定好的語句模板格式生成每張圖像中的違禁品富文本，根據每張圖片中違禁品的特征描述以及包含類別和位置信息填充的語句模板，得到富文本表示T；將富文本表示T輸入到預訓練的RoBERTa模型中，生成文本特征W，公式表示如下： ，其中，表示第個富文本表示，表示RoBERTa語言模型輸入第i個富文本表示生成的文本特征，表示預訓練的RoBERTa語言模型，表示的名詞個數，表示嵌入維度；所述Neck層包括上采樣層、下采樣層以及T-CSPLayer模塊；將第一增強特征、第二增強特征、第三增強特征和文本特征W輸入到Neck層中進行融合，得到第一融合特征、第二融合特征、第三融合特征，過程如下：對第三增強特征進行2倍上采樣操作，將上采樣后的特征和第二增強特征在通道維度上進行拼接，得到第一拼接特征，第一拼接特征和文本特征W經過T-CSPLayer模塊進行融合，得到融合特征，公式表示如下： ，其中，表示Sigmoid函數，表示文本特征中共個向量，max表示求最大值；對融合特征進行2倍上采樣操作，將上采樣后的特征和第一增強特征在通道維度上進行拼接，得到第二拼接特征，第二拼接特征和文本特征W經過T-CSPLayer模塊進行融合，得到第一融合特征；對第一融合特征進行下采樣操作，將下采樣后的特征和融合特征在通道維度上進行拼接，得到第三拼接特征，第三拼接特征和文本特征W經過T-CSPLayer模塊進行融合，得到第二融合特征；對第二融合特征進行下采樣操作，將下采樣后的特征和第三增強特征在通道維度上進行拼接，得到第四拼接特征，第四拼接特征和文本特征W經過T-CSPLayer模塊進行融合，得到第三融合特征；所述Head頭包括文本對比頭和邊界框檢測；將第一融合特征、第二融合特征和第三融合特征輸入到邊界框檢測中進行邊界框預測，得到邊界框預測結果；將第一融合特征、第二融合特征、第三融合特征以及文本特征輸入到文本對比頭進行文本相似度計算，得到相似度結果，相似度結果最高的文本類別為邊界框對應的檢測類別，進而得到違禁品檢測結果，公式表示如下： ，其中，表示歸一化處理，表示融合特征經過卷積得到圖像特征嵌入向量，表示目標的個數，表示可學習的縮放因子，用于調整得分的尺度，表示零初始化的可學習的偏移量；S3.采用損失函數對模型進行優化，得到訓練好的模型；S4.測試集中X-ray圖像輸入到訓練好的模型中，得到違禁品檢測結果。

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齊魯工業大學(山東省科學院);山東省人工智能研究院;山東省計算中心(國家超級計算濟南中心);山東大學;浙江大華技術股份有限公司;哈爾濱工業大學(深圳)(哈爾濱工業大學深圳科技創新研究院);合肥工業大學，其通訊地址為：250353 山東省濟南市長清區大學路3501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”。