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！

龙图腾网恭喜晨达(广州)网络科技有限公司申请的专利一种基于机器视觉的图像分类方法及系统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：CN119399559B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202510000433.5，技术领域涉及：G06V10/764；该发明授权一种基于机器视觉的图像分类方法及系统是由王婧;欧玲君;杨子豪;苏煜展;洪博;罗四维设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种基于机器视觉的图像分类方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，公开了一种基于机器视觉的图像分类方法及系统，获取通过视觉设备采集的初始图像集，对初始图像集中的图像数据进行预处理操作，得到第一图像集；对第一图像集中的图像数据进行特征提取，得到第二图像集，对第二图像集进行降维处理，得到输入图像集；将输入图像集拆分为训练数据集和测试数据集，输入训练数据集对预训练模型进行训练；将测试数据集的分类准确率作为训练结果的评价指标，更新权重，确定模型参数值，输出图像分类模型；采用图像分类模型对平台中的图像进行分类，并进行类别标记，并采用沙丘猫算法根据用户的搜索信息进行图像推荐，基于搜索信息输出图像分类结果；本发明提高了分类的准确性和效率。

本发明授权一种基于机器视觉的图像分类方法及系统在权利要求书中公布了：1.一种基于机器视觉的图像分类方法，其特征在于，所述基于机器视觉的图像分类方法包括以下步骤：获取通过视觉设备采集的初始图像集，对所述初始图像集中的图像数据进行预处理操作，得到第一图像集；对所述第一图像集中的图像数据进行特征提取，得到第二图像集，对所述第二图像集进行降维处理，得到输入图像集；将所述输入图像集拆分为训练数据集和测试数据集，获取预训练模型，并初始化参数，输入所述训练数据集对所述预训练模型进行训练；使用训练后的模型将所述测试数据集的分类准确率作为训练结果的评价指标，并更新权重，确定模型参数值，输出图像分类模型；采用所述图像分类模型对平台中的图像进行分类，并进行类别标记，并采用沙丘猫算法根据用户的搜索信息进行图像推荐，基于所述搜索信息输出图像分类结果；其中，对所述第一图像集中的图像数据进行特征提取，得到第二图像集，包括：获取所述第一图像集中的图像数据，针对所述第一图像集中的图像数据构建尺度空间；采用局部自适应阈值的FAST算法在每个尺度进行特征点检测，将检测到的特征点作为初始特征点；构建高斯金字塔，在所述高斯金字塔中对所述初始特征点与其邻域以及上、下尺度的点进行极值比较，并判断所述初始特征点是否为极大值或极小值；若是，则将所述初始特征点确定为最终特征点，若否则以所述初始特征点为中心的邻域范围内搜索距离中心最近的极值点作为最终特征点；获取提取的最终特征点，并采用SIFT描述符进行描述，生成相应特征向量，并生成第二图像集；所述输入图像集拆分为训练数据集和测试数据集，获取预训练模型，并初始化参数，输入所述训练数据集对所述预训练模型进行训练，包括：获取所述训练数据集中的样本特征图，将所述样本特征图输入预训练模型，其中所述预训练模型基于卷积神经网络构建；通过所述预训练模型的深度位置编码重叠切块嵌入模块进行重叠切块处理，得到带有局部重叠细节与边缘信息的像素块；将得到的像素块线性映射为输出特征，采用深度注意力模块进行一次深度卷积获取像素块的权重信息，并添加对应的位置信息，得到带有位置信息的特征序列；将带有位置信息的特征与样本特征图相乘，融合位置信息和局部特征，得到特征图；采用K-Means聚类算法对生成的特征图进行聚类，进行剪枝后，识别准确率，使用上置信度函数作为采集函数，预测采集值最高的候选参数组合，根据预测结果在训练候选参数组合对应的模型。

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晨达(广州)网络科技有限公司，其通讯地址为：510000 广东省广州市增城区新塘镇广深大道中125号自编602房516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”。