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！

龙图腾网获悉中国人民解放军军事科学院军事医学研究院申请的专利一种基于图像分析的数据自动分析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：CN118429736B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202410540384.X，技术领域涉及：G06V10/77；该发明授权一种基于图像分析的数据自动分析方法是由林虹君;刘琪琦;周喆设计研发完成，并于2024-04-30向国家知识产权局提交的专利申请。

本一种基于图像分析的数据自动分析方法在说明书摘要公布了：本发明公开了一种基于图像分析的数据自动分析方法，属于样本浓度分析技术领域，通过先获取在固定环境信息下的历史样本图像以及历史样本图像对应的浓度标签值，然后对历史样本图像中的样本图像特征与历史样本图像对应的浓度标签值之间的关联关系进行学习，从而形成数据映射规则，最后即可通过数据映射规则对样本浓度进行分析，结合了图像特征提取以及图像特征分析技术，能够适用于大多数颜色随浓度发生变化的样本，提高样本浓度检测效率的同时，能够有效地降低样本浓度检测成本，具有广阔的应用场景。

本发明授权一种基于图像分析的数据自动分析方法在权利要求书中公布了：1.一种基于图像分析的数据自动分析方法，其特征在于，包括： 获取固定环境信息下的历史样本图像以及历史样本图像对应的浓度标签值，包括： 获取固定环境信息下从样本混合时间为起点，在到达预设静置时长时，按预设时间间隔，采集同一样本所对应的多个历史样本图像，并采用人工标记的方式获取历史样本图像对应的浓度标签值，且同一样本所对应的多个历史样本图像所对应的浓度标签值相同； 其中，所述固定环境信息包括固定光源以及样本的固定放置位置； 提取每一个历史样本图像中的样本图像特征，并根据历史样本图像所对应的样本图像特征与对应的浓度标签值共同构建训练数据对，包括： 提取历史样本图像的亮度值特征、对比度特征以及灰度值特征，并对亮度值特征、对比度特征以及灰度值特征进行融合之后，得到样本图像特征； 将同一样本对应的多个历史样本图像所对应的样本图像特征进行融合，得到融合样本特征，并将融合样本特征作为训练数据，通过融合样本特征对应的浓度标签值构建期望输出数据，得到训练数据对； 以所述训练数据对为基础，通过深度学习算法对样本图像特征与对应的浓度标签值之间的关联关系进行学习，以获取数据映射规则； 获取固定环境信息下的待分析样本图像，并提取待分析样本图像所对应的待分析图像特征之后，通过数据映射规则对待分析图像特征进行映射，得到样本浓度分析结果； 提取历史样本图像的亮度值特征、对比度特征以及灰度值特征，并对亮度值特征、对比度特征以及灰度值特征进行融合之后，得到样本图像特征，包括： 提取历史样本图像的亮度值特征为： Brighti,j=α×Ri，j+α×Gi，j+α×Bi，j 其中，Brighti,j表示像素点i，j的亮度值特征，Ri，j表示历史样本图像中像素点i，j的红色值，Gi，j表示历史样本图像中像素点i，j的绿色值，Bi，j表示历史样本图像中像素点i，j的蓝色值，α表示亮度调整系数，像素点i，j表示历史样本图像中第i行第j列的像素点； 提取历史样本图像的对比度特征为： contrasti，j=maxmaxRi，j,Gi，j,Bi，j-minminRi，j,Gi，j,Bi，jmaxmaxRi，j,Gi，j,Bi，j+minminRi，j,Gi，j,Bi，j 其中，contrasti，j表示像素点i，j的对比度特征，max表示取最大值函数，min表示取最小值函数； 提取历史样本图像的灰度值特征为： Grayi，j=β 1*Ri，j+β 2*Gi，j+β 3*Bi，j3 其中，Grayi，j表示像素点i，j的灰度值特征，β 1表示第一权重系数，β 2表示第二权重系数，β 3表示第三权重系数，β 1+β 2+β 3=1； 对亮度值特征、对比度特征以及灰度值特征进行融合之后，获取样本图像特征； 对亮度值特征、对比度特征以及灰度值特征进行融合之后，获取样本图像特征，包括： 获取历史样本图像对应的样本所对应的样本编码，并根据样本编码、亮度值特征、对比度特征以及灰度值特征，获取样本图像特征； 以所述训练数据对为基础，通过深度学习算法对样本图像特征与对应的浓度标签值之间的关联关系进行学习，以获取数据映射规则，包括： 通过深度学习算法构建初始数据映射规则，将训练数据对中的训练数据作为初始数据映射规则的输入数据，将训练数据对中的期望输出数据作为初始数据映射规则的输出数据，并通过启发式优化算法对初始数据映射规则进行优化，获取最终的数据映射规则； 通过启发式优化算法对初始数据映射规则进行优化，获取最终的数据映射规则，包括： 随机对初始数据映射规则中各参数进行初始化，得到参数向量，并重复获取多个参数向量，以形成数据解空间； 将训练数据对中的训练数据作为初始数据映射规则的输入数据，将训练数据对中的期望输出数据作为初始数据映射规则的输出数据，获取每个参数向量所对应的损失函数值，并将损失函数值最小的参数向量作为最优参数向量； 针对每一个参数向量，通过最优参数向量引导更新的方法对参数向量进行更新为： ， 其中，表示在第t次训练过程中第i个参数向量的第d维参数，i=1,2,…I，I表示参数向量的总数，d=1,2,…D，D表示参数向量中参数的总维度，rand表示（0,1）之间的随机数，表示更新后的，表示最优参数向量中第d维参数； 针对引导更新后的参数向量，采用混合搜索更新的方法对参数向量进行更新为： ， 其中，表示第j个引导更新后的参数向量，j=1,2,…I，表示更新之后的，表示混合因子，表示与第j个引导更新后的参数向量之间欧式距离最远的目标个体中第d维参数，表示所有引导更新后的参数向量所对应的平均向量中第d维参数，表示混合因子的预设最大值，表示混合因子的预设最小值，e表示自然常数，b表示常数控制因子； 针对混合搜索后的参数向量，采用全局搜索的方式对参数向量进行更新为： ， 其中，表示第n个混合搜索后的参数向量中第d维参数，n=1,2,…I，表示更新后的，表示莱维飞行路径，表示最优参数向量中第d维参数； 当训练次数到达最大训练次数之前，重复上述三个更新步骤，直至到达最大训练次数，并输出最优参数向量作为数据映射规则的最终参数，得到最终的数据映射规则。

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中国人民解放军军事科学院军事医学研究院，其通讯地址为：100000 北京市海淀区太平路27号院；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”。