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！

龙图腾网获悉湖南大学申请的专利一种融合视觉与光谱显著性的高光谱药液异物检测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：CN116129140B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310079997.3，技术领域涉及：G06V10/44；该发明授权一种融合视觉与光谱显著性的高光谱药液异物检测方法是由毛建旭;尹阿婷;王耀南;曾凯;张辉;刘彩苹;朱青;刘敏;陈煜嵘;李亚萍;赵禀睿;苏学叁设计研发完成，并于2023-02-08向国家知识产权局提交的专利申请。

本一种融合视觉与光谱显著性的高光谱药液异物检测方法在说明书摘要公布了：本发明公开了一种融合视觉与光谱显著性的高光谱药液异物检测方法，拍摄待检测药液的高光谱原始图像，并构建高光谱图像样本集；采用基于信息熵的排序波段选择方法从高光谱图像样本中选出预设数量的波段，将其转换为伪彩图像；对伪彩图像进行直方图对比度计算和梯度特征提取，并进行特征融合，得到基于视觉的显著性特征图，经过总变分滤波，得到初步异常检测图；对待检测药液的高光谱图像分别计算光谱角距离与光谱欧式距离并进行融合，得到光谱显著性特征图；采用光谱显著性特征图抑制初步异常检测图的背景信息，得到异物检测图，实现待检测药液的异物检测。该方法可以快速、准确地检测出药液成品中的微弱异物，实现对药液的无损检测与质量控制。

本发明授权一种融合视觉与光谱显著性的高光谱药液异物检测方法在权利要求书中公布了：1.一种融合视觉与光谱显著性的高光谱药液异物检测方法，其特征在于，所述方法包括： S1、拍摄待检测药液的高光谱原始图像，根据所述高光谱原始图像构建待检测药液的高光谱图像样本集； S2、从高光谱图像样本集中任取一个高光谱图像样本，采用基于信息熵的排序波段选择方法从所述高光谱图像样本中选出预设数量的波段，将所述预设数量的波段转换为所述高光谱图像样本对应的伪彩图像；所述S2中采用基于信息熵的排序波段选择方法从所述高光谱图像样本中选出预设数量的波段，将所述预设数量的波段转换为所述高光谱图像样本对应的伪彩图像，具体包括： S21、计算所述高光谱图像样本中每个波段的概率密度； S22、根据所述概率密度计算高光谱图像样本中对应波段的信息熵； S23、根据所述信息熵将高光谱图像样本中的波段进行降序排列，选出预设数量个波段作为三原色波段，将所述三原色波段作为所述高光谱图像样本对应的伪彩图像； S3、对所述伪彩图像进行直方图对比度计算和梯度特征提取，并进行特征融合，得到基于视觉的显著性特征图，对所述基于视觉的显著性特征图进行总变分滤波，得到初步异常检测图；所述S3中对所述伪彩图像进行直方图对比度计算和梯度特征提取，并进行特征融合，得到基于视觉的显著性特征图，具体包括： S31、将所述伪彩图像从RGB空间转换到Lab空间，伪彩图像中每个像素点的RGB分量相应转换为L，a，b分量； S32、对所述伪彩图像进行颜色直方图统计，计算相同颜色像素点的显著性特征，得到对应像素点的颜色显著性特征； S33、对所述伪彩图像中每个像素点计算水平梯度特征和垂直梯度特征，并对所述水平梯度特征和所述垂直梯度特征进行融合，得到对应像素点的多尺度梯度特征； S34、将所述颜色显著性特征与所述多尺度梯度特征进行融合，得到对应像素点的基于视觉的显著性特征； S35、遍历所述伪彩图像中的所有像素点，经过步骤S32至S34处理，得到所述伪彩图像对应的基于视觉的显著特征图； S4、根据所述高光谱图像样本分别计算光谱角距离与光谱欧式距离并进行融合，得到基于双重光谱注意力机制的光谱显著性特征图，采用所述光谱显著性特征图抑制所述初步异常检测图的背景信息，得到异物检测图； S5、遍历所述高光谱图像样本集中的所有高光谱图像样本，经过步骤S2至S4处理，相应得到多个异物检测图，实现待检测药液的异物检测。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。