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！

龍圖騰網獲悉復旦大學申請的專利基于圖像和近紅外光譜信號的深度多模態纖維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：CN114595752B 。

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：202210193445.0，技術領域涉及：G06V10/764；該發明授權基于圖像和近紅外光譜信號的深度多模態纖維識別方法是由池明旻;彭博;邱亦寧設計研發完成，并于2022-02-28向國家知識產權局提交的專利申請。

本基于圖像和近紅外光譜信號的深度多模態纖維識別方法在說明書摘要公布了：本發明公開了一種基于圖像和近紅外光譜信號的深度多模態纖維識別方法。該方法包括以下步驟：（1）獲取紡織品的圖像和近紅外光譜信號；（2）將圖像數據處理成局部切片后利用深度自注意力網絡提取子圖像的視覺序列；（3）對近紅外光譜數據進行處理后，用多分支深度卷積網絡獲得分層的近紅外特征；（4）基于圖像和信號相關注意力模塊，通過一個評分模塊對圖像和近紅外信號的順序特征進行匹配，通過參數分離的雙向特征一致性模塊，捕捉信號到圖像和圖像到信號特征之間兩個方向的關聯性，獲得融合特征；（5）對融合特征編碼；（6）進行分類和損失計算；本發明能識別具有類似紋理特征、具有類似近紅外光譜曲線的紡織品，識別精度高。

本發明授權基于圖像和近紅外光譜信號的深度多模態纖維識別方法在權利要求書中公布了：1.一種基于圖像和近紅外光譜信號數據的深度多模態紡織品纖維識別方法，其特征在于，包括如下步驟： （1）獲取紡織品的圖像和近紅外光譜信號； （2）將圖像數據處理成局部切片，對圖像的局部切片進行編碼計算； （3）對近紅外光譜數據進行處理和編碼； （4）進行多模態特征維度處理和特征融合； （5）進行融合特征編碼過程； （6）進行分類和損失計算；其中： 步驟（4）中，首先通過線性函數投影層將圖像視覺特征向量轉換到與近紅外光譜層次譜特征向量相同的特征維度，得到；其中，R代表特征的維度，N為一維特征圖的通道數，T為每個融合特征的維度，D為斑塊和地圖的轉化維度； 然后將兩個模態的特征進行特征融合；具體如下： ①基于硬評分模塊進行相關性挖掘，對圖像和近紅外信號的順序特征進行匹配； 對于每個近紅外特征，硬評分模塊的目標是硬評分挖掘出最相關的視覺特征序列； 先定義一個相關性嵌入矩陣，表示為： ， 其中i和j是每個近紅外光譜特征和圖像視覺特征的序號，||||為一階范數，為相應i，j序號下獲得的相關性矩陣； 接著，利用硬性評分機制來計算最相關的指數： ， 其中為相關性矩陣，為獲得的索引；基于獲得的索引值，近紅外特征對應的最相關圖像視覺特征表示為； ②基于雙向特征一致性模塊來進一步匹配相關的特征； 雙向特征一致性模塊用于優化特征融合過程，其為每個嵌入提供一個關注權重，它包含兩個方向，包括：近紅外光譜層次譜特征向量P到圖像視覺特征向量Q，圖像視覺特征向量Q到近紅外光譜層次譜特征向量P； 定義兩個全局相似性矩陣，表示為： ， H和U的表示方式為： ， 其中是兩個方向上特征轉移的獨立可學參數，分別為近紅外光譜特征和圖像視覺特征，[;]表示跨行連接，是元素對應位置乘法； 計算出從P到Q的軟權重，隨后在Q的每個位置上進行關注，得到從P到Q的注意權重，處理過程表示為： ， 其中為獲得的權重矩陣，softmax函數獲得歸一化結果，為概率值； 同樣的，得到從Q到P的注意權重，處理過程表示為： ； 最后，將P和Q的每個位置的加權向量連接起來，得到融合特征。

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復旦大學，其通訊地址為：200433 上海市楊浦區邯鄲路220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”。