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！

申请/专利权人：芯粒微(深圳)科技有限公司

摘要：本发明涉及数据处理的技术领域，公开了一种基于AI识别的图像处理方法及系统。所述基于AI识别的图像处理方法包括：通过内置多光谱传感器的AI成像设备对动态变化场景的图像进行采集，得到动态变化场景的光谱图像；将所述光谱图像输入至预设的物理模型进行图像预处理，得到图像预处理后的光谱图像；基于预设的稀疏表示算法，对图像预处理后的光谱图像进行多层次特征提取，得到目标对象的多层次特征。本发明AI技术和深度学习模型，该方法能够自动识别和分析大量复杂的图像数据，减少了人工干预的需要，显著提高了数据处理的智能化水平。本发明不仅提高了效率，也增强了系统对新情况的学习和适应能力。

主权项：1.一种基于AI识别的图像处理方法，其特征在于，包括以下步骤：通过内置多光谱传感器的AI成像设备对动态变化场景的图像进行采集，得到动态变化场景的光谱图像；将所述光谱图像输入至预设的物理模型进行图像预处理，得到图像预处理后的光谱图像；基于预设的稀疏表示算法，对图像预处理后的光谱图像进行多层次特征提取，得到目标对象的多层次特征；其中，所述目标对象至少包括农作物、水体、道路交通；所述目标对象的多层次特征至少包括目标对象的轮廓特征、形状特征、纹理特征、颜色特征、颜色分布特征、动态图像序列特征、周围环境背景特征；将所述目标对象的多层次特征输入至训练后的自适应检测模型进行实时检测，得到目标对象的多层次特征检测结果；其中，所述自适应检测模型经过提前训练得到；所述自适应检测模型的训练过程，包括：收集训练数据，将训练数据输入至一个初步构建的自适应深度学习网络中；其中，所述自适应深度学习网络至少包括形状特征解析子模型、纹理分析子模型、颜色识别子模型、运动追踪子模型、背景分离子模型；所述训练数据为目标对象的多层次特征；基于所述形状特征解析子模型，分析光谱图像中目标对象的轮廓特征、形状特征，以识别目标对象的基本结构，输出形状特征指标；基于所述纹理分析子模型，解析光谱图像中目标对象表面的纹理特征，输出纹理特征指标；其中，所述纹理特征至少包括纹理的粗糙度、方向性和重复模式；基于所述颜色识别子模型，识别并分析光谱图像中目标对象的颜色特征及颜色分布特征，评估颜色对于目标对象识别的贡献，输出颜色特征指标；基于所述运动追踪子模型，分析光谱图像中目标对象的动态图像序列特征，追踪目标对象的运动轨迹和速度，分析运动模式，输出运动特征指标；基于所述背景分离子模型，分析光谱图像中目标对象中的周围环境背景特征，从周围环境背景特征中分离出目标对象，输出背景分离效果指标；在所收集的图像数据中提取预设的实际指标值；其中，所述实际指标值代表目标对象在理想状态下的特征表现，用作训练过程中的参考标准；根据所构建的自适应深度学习网络中各个子模型输出的预测指标与预设的实际指标值之间的偏差，计算误差值；其中，所述误差值反映预测指标与实际指标值之间的差异；基于预设的自适应学习率调整策略，逐步调整自适应深度学习网络中各子模型的参数，以最小化误差值，直至完成对自适应深度学习网络的训练，得到训练后的自适应检测模型；对所述多层次特征检测结果进行分析，得到分析结果，并基于所述分析结果对目标对象进行决策管理。

全文数据：

权利要求：

百度查询： 芯粒微(深圳)科技有限公司 基于AI识别的图像处理方法及系统