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！

龙图腾网获悉中国地质大学(北京)申请的专利一种基于多模态知识蒸馏的矿物识别方法、系统及存储介质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：CN120580525B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511091360.1，技术领域涉及：G06V10/764；该发明授权一种基于多模态知识蒸馏的矿物识别方法、系统及存储介质是由季晓慧;廖虹翔;杨眉;何明跃;吕国诚;刘敏;刘昊;张招崇设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种基于多模态知识蒸馏的矿物识别方法、系统及存储介质在说明书摘要公布了：本发明公开了一种基于多模态知识蒸馏的矿物识别方法、系统及存储介质，涉及矿物识别技术领域，所述矿物识别方法包括：获取各类矿物图像及物理属性数据，并将其进行编码；将各类矿物图像及编码后向量输入混合矿物识别模型中，得到各矿物类别概率；其中，使用矿物图像和编码后向量训练多模态教师模型，以多模态教师模型训练单模态学生模型，通过知识蒸馏策略将多模态教师模型学习到的矿物类别相似性关系及物理属性特征迁移至单模态学生模型；若输入数据仅包含矿物图像，则使用训练好的单模学生模型输出各矿物类别概率，否则使用多模态教师模型输出各矿物类别概率。本发明能够融合多模态特征提升矿物识别准确率，并在缺乏物理属性时仍保持高精度。

本发明授权一种基于多模态知识蒸馏的矿物识别方法、系统及存储介质在权利要求书中公布了：1.一种基于多模态知识蒸馏的矿物识别方法，其特征在于，包括： 获取待识别的矿物图像数据； 将所述待识别的矿物图像数据输入到训练好的混合矿物识别模型中，得到各矿物类别概率；其中，混合矿物识别模型包括多模态教师模型和单模态学生模型； 所述混合矿物识别模型的训练过程，包括： 获取各类矿物图像及各类矿物图像对应的物理属性特征，所述物理属性特征包括硬度级别、条痕颜色和光泽类型； 将所述物理属性特征分别进行编码，得到各类矿物图像对应的编码后向量；其中，硬度级别编码为：硬度值不大于2.5时编码为1，硬度值大于2.5且不大于5.5时编码为2，硬度值大于5.5时编码为3；条痕颜色编码为：白色编码为1，其他颜色编码为0；光泽类型编码为：金属光泽编码为0，其它光泽编码为1；根据上述编码规则，对收集到的各类矿物图像的硬度级别、条痕颜色和光泽类型进行逐一编码，从而得到对应的编码后向量，并按照一定比例将各类矿物图像及对应的编码后向量划分为训练集、验证集及测试集； 使用所述各类矿物图像及各类矿物图像对应的编码后向量训练多模态教师模型；其中，所述混合矿物识别模型包括用于提取所有矿物图像特征信息的移位窗口变换器、用于处理编码后向量非线性编码器以及用于输出各矿物类别概率的第二全连接层； 以所述多模态教师模型训练单模态学生模型，通过知识蒸馏策略将多模态教师模型学习到的矿物类别相似性关系及物理属性特征迁移至单模态学生模型，若获取各类矿物图像及各类矿物图像对应的物理属性特征，则调用多模态教师模型进行识别；若仅获取各类矿物图像，则调用单模态学生模型进行识别；其中，所述通过知识蒸馏策略将多模态教师模型学习到的矿物类别相似性关系及物理属性特征迁移至单模态学生模型，包括： 将所述训练集中的各类矿物图像及物理属性特征对应的编码后向量输入至多模态教师模型中，得到非独热编码形式的预测概率； 向所述单模态学生模型输入训练集中的各类矿物图像，计算真实标签的交叉熵损失函数； 基于所述非独热编码形式的预测概率，计算logit标准化知识蒸馏损失函数； 将所述交叉熵损失函数和logit标准化知识蒸馏损失函数取平均值作为单模态学生模型的总损失函数，通过最小化所述总损失函数更新单模态学生模型的参数。

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地质大学(北京)，其通讯地址为：100080 北京市海淀区学院路29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”。

以上内容由龙图腾AI智能生成。