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！

龍圖騰網獲悉福建省曾志環保科技有限公司;曾志無廢城市(三明)環保科技有限公司申請的專利基于超光譜技術和AI分類模型的復合材料垃圾分揀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：CN120279340B 。

龍圖騰網通過國家知識產權局官網在2025-08-19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：202510759162.1，技術領域涉及：G06V10/764；該發明授權基于超光譜技術和AI分類模型的復合材料垃圾分揀方法是由吳清術;鐘春平;宋權波設計研發完成，并于2025-06-09向國家知識產權局提交的專利申請。

本基于超光譜技術和AI分類模型的復合材料垃圾分揀方法在說明書摘要公布了：本發明涉及一種基于超光譜技術和AI分類模型的復合材料垃圾分揀方法，包括以下步驟：S1:進行多模態數據采集；S2:對采集的多模態數據進行預處理，并融合，得到多模態數據的聯合特征；S3:基于多模態神經網絡模型構建分類模型，根據聯合特征進行分類；S4：基于分類結果，使用SegFormer深度分割網絡，在像素級識別垃圾組成成分，實現多個材質構成物體的精準分割；S5:通過目標跟蹤算法保持對垃圾軌跡的目標跟蹤；S6：基于S5中目標跟蹤的結果，實時預測垃圾在輸送帶上的位置，并根據分類和分割結果，精準執行分揀動作。本發明能夠高效、精準地處理復雜復合材料垃圾。

本發明授權基于超光譜技術和AI分類模型的復合材料垃圾分揀方法在權利要求書中公布了：1.基于超光譜技術和AI分類模型的復合材料垃圾分揀方法，其特征在于，包括以下步驟： S1:在輸送帶沿線不同節點部署若干個超光譜和RGB相機，每個節點專注一個區段的垃圾的多模態數據采集； S2:對采集的多模態數據進行預處理，并根據時間戳及空間位置對RGB和超光譜數據進行融合，得到多模態數據的聯合特征; S3:基于多模態神經網絡模型構建分類模型,根據聯合特征進行分類;多模態神經網絡模型包括超光譜分支、RGB分支、多層融合策略層和分類頭;所述分類模型，針對少樣本復合材料，引入元學習優化分類模型; S4：基于分類結果，使用SegFormer深度分割網絡，在像素級識別垃圾組成成分，實現多個材質構成物體的分割； S5:通過目標跟蹤算保持對垃圾軌跡的目標跟蹤; S6：基于S5中目標跟蹤的結果，實時預測垃圾在輸送帶上的位置，并根據分類和分割結果執行分揀動作; S1具體為： 在輸送帶沿線不同位置預先測量區段長度L和寬度W； 根據垃圾流速v，結合垃圾的密集程度Rdensity，確定每個節點的采樣頻率fsampling； ； 其中，dmin是相鄰垃圾之間的最小間距； 根據采樣視場Fview=θH,θV，其中θH是水平方向的視場角、θV是垂直方向的視場角，確定重疊區域，避免垃圾檢測盲區，相鄰節點的部署間距S nodes為： ； 每個節點包括RGB相機、超光譜成像儀、觸發裝置及控制器； 設輸送帶上的垃圾以速度v移動，傳感器動態捕獲物體的多模態信息：基于傳感器的分辨率和FOV計算每次采樣覆蓋的輸送帶長度L capture和寬度W capture： ； 其中h是傳感器到輸送帶的垂直高度，其中： Lcapture≥L,Wcapture≥W； 垃圾在兩個采樣時間間隔Tcapture內的位移Δx按以下公式計算： ； 確保Δx≤dmin，保證連續采樣，不漏檢測; S2具體為: 設采集的RGB數據為Rtx,y,c，對應時間戳tR;超光譜數據為Htx,y,λ，對應時間戳tH;其中，x,y表示空間維度，λ表示超光譜圖像中的光波波長；c為通道數； 對于每一幀RGB數據Rt，找到與Rt時間戳最接近的超光譜數據Ht： ； 其中，是時間差；表示在候選時間點集合中，找到使時間差最小的tH值； 時間對齊后，得到同步的多模態數據對Rt,Ht； 空間對齊通過標定得到的變換矩陣Talign完成，公式為： ； 其中，[u,v]Hyper是超光譜數據的像素坐標；[u,v]RGB是RGB數據的像素坐標； 將超光譜數據的像素坐標與RGB數據的像素坐標對齊，得到空間一致的多模態數據； 時間和空間對齊后，對每個像素點，將RGB數據和超光譜數據直接拼接，形成聯合特征Ftx,y。

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福建省曾志環保科技有限公司;曾志無廢城市(三明)環保科技有限公司，其通訊地址為：350000 福建省福州市閩侯縣上街鎮高新大道66號清華紫光浦上商業小鎮(現:紫光浦上商業廣場)B5#樓11層1109SOHO辦公；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”。