买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川科莫生医疗科技有限公司;上海科莫生医疗科技有限公司申请的专利一种具有反馈特性的深度学习血清质量判读方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120125919B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510609721.0，技术领域涉及：G06V10/764；该发明授权一种具有反馈特性的深度学习血清质量判读方法是由王磊;王铮设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本一种具有反馈特性的深度学习血清质量判读方法在说明书摘要公布了：本发明公开了一种具有反馈特性的深度学习血清质量判读方法，包括以下步骤：对血清样本进行图像数据采集；对采集到的血清样本图像数据进行识别，判断血清样本的质量；如果血清样本的质量合格，则进行对血清样本进行数据处理；输出结果。本发明提出一种血清质量判读方法，通过结合目标检测和数值回归方法，能够对采集的图像进行判定，可一次性判别标签、凝血块、血清区域及血清指数，并可输出重采集信号及调整量至机器视觉系统进行反馈。本发明根据血清指数必须为正数的先验信息，在网络架构中引入指数函数对输出结果进行正数约束，保证网络模型可微的同时提升了指数预测的准确度。

本发明授权一种具有反馈特性的深度学习血清质量判读方法在权利要求书中公布了：1.一种具有反馈特性的深度学习血清质量判读方法，其特征在于：包括以下步骤： 步骤S1，对血清样本进行图像数据采集； 步骤S2，对采集到的血清样本图像数据进行识别，判断血清样本的质量； 判断血清样本的质量包括：判断血清样本图像数据是否存在标签、判断血清样本的血清区域是否合格以及判断血清样本是否含有凝血块； 如果血清样本图像数据中存在标签，且血清样本的血清区域合格以及血清样本中不含有凝血块，则认为血清样本的质量合格； 如果血清样本图像数据中不存在标签，或者血清样本的血清区域不合格，或者血清样本中含有凝血块，则血清样本的质量不合格； 判断血清样本的血清区域是否合格的步骤包括： 判断血清样本的血清区域是否小于16×16个像素，如果不小于，则血清样本的血清区域合格；如果小于，则判断血清样本的血清区域不合格； 如果判断血清样本的血清区域合格，则通过目标检测算法，去除多余区域的干扰，得到准确的血清区域，并根据得到的准确的血清区域，对溶血指数、黄疸指数和乳糜指数进行预测识别； 进行预测识别方法包括：从得到的准确的血清区域中提取溶血指数、黄疸指数和乳糜指数的特征； 根据提取的特征建立血清指数回归网络模型，根据血清指数回归网络模型完成对溶血指数、黄疸指数和乳糜指数的预测识别； 通过血清指数回归网络模型进行预测的方法具体包括： 初始特征提取：将得到的准确的血清区域图像输入到层；3个输入通道经过15个3×3的卷积核处理，步长为1且填充为1，提取初步的特征图信息； 下采样：经过ReLU处理的特征图进入MaxPool2d2,2层，以2×2的池化窗口进行最大池化操作，取窗口内最大像素值作为输出，将特征图尺寸缩小，减少数据量和计算量，同时保留主要特征； 深度特征提取：多个Block模块依次对特征图进行处理；不同Block模块通过不同的参数设置，从不同尺度和层次提取特征； 特征融合：特征图经过列展开操作后，将不同分支的特征通过Concat操作在通道维度上拼接起来，融合多尺度、多层次的特征； 全连接层映射：拼接后的高维特征先进入Linear2304,64层，将2304维的特征向量映射到64维，再经过Linear64,3层，进一步将64维特征映射到3维向量，这3个值分别对应溶血指数、黄疸指数和乳糜指数的预测值； 输出变换：通过Exp函数对3维向量中的数值进行指数运算变换，使预测值符合实际指数的范围或分布特点，得到最终的预测结果； 步骤S3，如果血清样本的质量合格，则进行对血清样本进行血清指数估计，如果因血清区域采集不完整或角度导致不合格，则通过旋转机构调整血清样本角度，重新采集血清样本图像数据，并再进行质量判断； 步骤S4，输出血清质量判读的结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川科莫生医疗科技有限公司;上海科莫生医疗科技有限公司，其通讯地址为：610041 四川省成都市高新区锦韵路533号2栋2层207号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。