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！

龍圖騰網獲悉華南理工大學申請的專利一種基于類MLP網絡的舌像特征體質識別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：CN117237784B 。

龍圖騰網通過國家知識產權局官網在2025-08-15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：202311192091.9，技術領域涉及：G06V10/82；該發明授權一種基于類MLP網絡的舌像特征體質識別方法是由張孟健;文貴華設計研發完成，并于2023-09-15向國家知識產權局提交的專利申請。

本一種基于類MLP網絡的舌像特征體質識別方法在說明書摘要公布了：本發明公開了一種基于類MLP網絡的舌像特征體質識別方法，包括以下步驟：S1、采集舌頭圖像，以及標注對應舌頭圖像的體質標簽，制作訓練數據集和測試數據集。S2、構建高寬通道交互類MLP網絡模型，其以二值交叉熵作為損失函數，利用體質標簽對舌頭圖像進行監督學習。S3、運用圖卷積網絡分支學習舌頭圖像特征對應的體質標簽之間的關系，獲得兼夾體質標簽之間的關聯性。本發明的有益之處是利用圖卷積網絡學習舌頭圖像特征對應的兼夾體質關聯性，構造的高寬通道交互類MLP模型提取舌頭圖像的體質特征信息，融合提取的舌頭圖像特征和體質標簽的關聯性能有效提高兼夾體質識別的準確性。

本發明授權一種基于類MLP網絡的舌像特征體質識別方法在權利要求書中公布了：1.一種基于類MLP網絡的舌像特征體質識別方法，其特征在于：包括以下步驟： 步驟S1數據采集與處理：采集舌頭圖像，以及標注對應舌頭圖像的體質標簽，制作訓練數據集和測試數據集； 步驟S2構建高寬通道交互類MLP模型：提出融合圖卷積標簽關系學習的高寬通道交互類MLP模型，并利用體質標簽對舌頭圖像進行監督學習； 步驟S3嵌入標簽關系的圖卷積網絡模型：根據中醫兼夾體質理論，通過圖卷積網絡學習體質標簽之間的關聯性編碼避免體質標簽的互斥性，進而學習舌像特征與體質標簽關聯性之間的潛在聯系，并融入高寬通道交互類MLP模型的舌像特征提取的編碼； 所述步驟S2中的構建高寬通道交互類MLP模型，包括以下步驟： S21：將歸一化的批量舌頭圖像作為高寬通道交互類MLP模型的輸入圖像； S22：利用高寬通道交互類MLP模型對輸入圖像進行特征學習和提取，所述的高寬通道交互類MLP模型包括若干卷積層、歸一化層、下采樣層、可學習的高寬特征交互層和全連接層； S23：利用雙層圖卷積網絡學習輸入的舌頭圖像對應的體質標簽之間的關聯性，將體質標簽的互斥性和高強度并列性矩陣融入提取的舌像特征； S24：采用二值交叉熵為損失函數作為高寬通道交互類MLP模型的舌頭體質標簽識別的目標函數，將高寬通道交互類MLP模型提取的舌頭圖像和對應的標簽關系特征輸入到Sigmoid分類器，得到體質的類別： ， 其中，表示輸出體質多標簽類別的概率向量；Sigmoid表示輸出標簽類別（0,1）之間的概率值；FC表示全連接層；表示輸入的舌頭圖像對應的體質標簽類別相關的輸出特征； 所述S22中，高寬通道交互類MLP模型的特征學習和提取過程可以表示為： 假設輸入為，對應的Token-FC特征可以表示為： ， 式中，表示經過Token聚合后的特征；表示Token聚合塊函數；表示網絡權重參數；表示乘法運算；k表示第k個輸入Token；j表示第j個輸出Token；表示特征的Token劃分數量；表示每一個特征交互變換層的空間特征，其中，將與權重相加得到輸出的交互特征，則聚合特征的H和W交互輸出為： ； 式中，表示可學習的權重；k表示第k個輸入Token；j表示第j個輸出Token；表示交互特征；表示Token交互變換后的特征向量； 概述而言，基于H、W通道信息交互的類MLP模型提取特征的數學表達式為： ， ， 式中，表示通道信息交互特征提取塊函數；表示通道特征學習塊函數；表示輸入的特征；表示批量性歸一化，其中高斯誤差GELU作為激活函數；表示通過H、W通道交互MLP模塊學習的中間特征；表示舌頭圖像對應的體質標簽類別相關的輸出特征。

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華南理工大學，其通訊地址為：510641 廣東省廣州市天河區五山路381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”。