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！

龙图腾网获悉山东省分析测试中心申请的专利一种肉类品质评价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：CN119516537B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411740381.7，技术领域涉及：G06V20/68；该发明授权一种肉类品质评价方法及系统是由陈相峰;赵燕芳;李娜;刘璐;赵凌曦;王晓利;李慧娟;姜海龙设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种肉类品质评价方法及系统在说明书摘要公布了：本发明属于图像机器视觉处理技术领域，尤其涉及一种肉类品质评价方法及系统，方法包括：获取生鲜肉图像；基于纹理直方图方法计算生鲜肉图像的纹理密度矩阵，根据纹理密度矩阵将图像分割成多种肉质区域；构建肉质检测模型，肉质检测模型包括多个并行的transfromer网络以及加权融合层和全连接层；将分割出的多种肉质区域分别输入至不同的网络中进行细粒度的特征提取，多个并行的网络提取的特征依次经过加权融合层和全连接层后，得到肉类品质评价结果。本发明在提取每一肉质区域的特征时，利用路由索引矩阵筛选非重叠区域的相关区域之后计算相关特征，能够大幅度减网络的计算量，提升肉的新鲜程度判定精度。

本发明授权一种肉类品质评价方法及系统在权利要求书中公布了：1.一种肉类品质评价方法，其特征在于，包括： 获取生鲜肉图像； 基于纹理直方图方法计算生鲜肉图像的纹理密度矩阵，并根据层级分割的方式，将图像分割成多种肉质区域； 将每一种肉质区域划分为多个非重叠区域，确定每一个非重叠区域的输入特征； 将多种肉质区域对应的非重叠区域的输入特征，按照肉质区域的区别分别输入至肉质检测模型并行的多个transfromer网络中，建立每一肉质区域内部非重叠区域输入特征之间的临接关系矩阵，基于临接关系矩阵，确定与每一个非重叠区域最相关的其他区域，包括： 根据非重叠区域的颜色特征向量和纹理密度特征向量，计算非重叠区域的查询向量和键向量；对于每个区域内所有特征求平均值，得到区域级的查询向量和键向量： ，g代表每个区域中的格子数，s代表第s个区域； ，，为特征映射矩阵； 使用查询向量和键向量之间的矩阵乘法计算不同非重叠区域间的相似度，生成每一个非重叠区域的临接关系矩阵； 基于临接关系矩阵，裁剪与每一个非重叠区域最相关的前h个其他区域，创建一个路由索引矩阵； 利用transfromer网络的多头注意力机制计算每一个非重叠区域内部、以及非重叠区域与其最相关的其他区域的相关特征，具体包括： 基于路由索引矩阵，通过多头注意力机制查询到与当前非重叠区域最相关的前h个其他区域； 首先计算当前非重叠区域与自己区域所划分格子内特征的transformer的注意力，得到第一注意力； 之后计算当前非重叠区域与路由索引矩阵中的前h个其他区域所划分格子内特征的transformer的注意力，得到第二注意力； 基于第一注意力与第二注意力，得到相关特征； 将每一个transfromer网络得到的多个相关特征进行特征融合，融合方式为特征级联或相加，得到每一个transfromer网络的输出； 对多个transfromer网络的输出进行加权融合，得到不同肉质区域的特征输出； 基于不同肉质区域的特征输出，得到肉类新鲜程度的分类结果和肉类品质的综合分类结果； 基于并行的多个transfromer网络得到的相关特征，对生鲜肉的新鲜程度和肉质进行评价； 构建级联transformer模型结构，实现最终的所有纹理肉质区域的特征融合： 第一，对于每一个transformer模型，处理不同尺度、不同肉质区域的特征提取；提取方式为通过建立区域输入特征之间的临接关系矩阵来捕获区域间的相关性，然后从这个区域中选取最相关的部分来进行细粒度的注意力计算，减少计算量； 第二，对于每一个transformer模型的输出，代表不同肉质区域，不同大小区域的特征，对于每个transformer模型的输出，所有输出特征进行特征融合，融合方式为特征级联或相加；对于每个transformer模型的特征融合后的输出，进行加权融合，因为每个transformer模型的特征融合后的输出代表不同肉质区域的特征输出； 第三，加权融合特征经过2个全连接层，实现2个功能输出，第一全连接层用于进行新鲜程度判断；第二全连接层用于进行肉质综合判断，给出1-10的分类分级； 根据层级分割的方式，将图像分割成多种肉质区域，包括： 步骤一：设定图像的初始窗口，对初始窗口内方格的纹理密度矩阵进行概率分析，得到当前初始窗口的肉质纹理度T以及纹理方差V； 步骤二：若当前初始窗口的肉质纹理度T低于设定的方差阈值M，则将当前初始窗口继续分割，使用梯度滤波器提取初始窗口内像素的主要梯度方向，通过主要梯度方向确定主要纹理方向，根据主要纹理方向的垂直方向确定继续分割方向； 步骤三：若纹理方差V小于肉质纹理度T，则沿着纹理的主要方向收缩窗口，新划分出多个区域； 步骤四：针对每一个新划分的区域进行纹理密度矩阵的概率分析，将新划分的区域重新作为初始窗口，重复上述步骤一至步骤三，直至遍历整个图像；当新划分的区域像素低于设定像素阈值G时，不在进行继续分割，遍历结束，得到图像中所有方格的肉质纹理度； 步骤五：通过统计图像中所有方格的肉质纹理度，进行肉质区域的划分； 所述步骤三中，若纹理方差V小于肉质纹理度T，则沿着纹理的主要方向收缩窗口，新划分出多个区域，具体包括： 基于主要梯度方向判定初始窗口内纹理方向是否明显： 若初始窗口内纹理方向明显，则沿主要梯度方向将初始窗口进一步细分，主要梯度方向包括水平、垂直或对角线方向，对应的新划分出的多个区域分别为水平带状区域、垂直条带状区域和菱形区域； 若初始窗口内纹理方向不明显，则采用均匀细化分割，将初始窗口均匀划分为多个正方形小格子，新划分出的多个区域为多个正方形小格子； 所述步骤五中，通过统计图像中所有方格的肉质纹理度，进行肉质区域的划分，具体包括： 首先基于设定的肉质纹理度判定阈值，判断每一个方格所属的肉质区域，所述肉质区域包括高级肉质区域、中级肉质区域和低级肉质区域； 基于高级肉质区域、中级肉质区域和低级肉质区域的面值占比，对肉质进行定级。

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山东省分析测试中心，其通讯地址为：250014 山东省济南市历下区科院路19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。