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！

龙图腾网恭喜福州大学申请的专利一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别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：CN116524498B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310505473.6，技术领域涉及：G06V20/69；该发明授权一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别方法是由陈俊;姜乃祺;孙方宁;石浩铭;孟伟强;陈芳;易才键;王师玮设计研发完成，并于2023-05-08向国家知识产权局提交的专利申请。

本一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别方法在说明书摘要公布了：本发明提供了一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别方法，包括以下步骤：步骤S1：采集食品中常见微生物菌落图像；步骤S2：对步骤S1采集的食品中常见微生物菌落图像进行标注；步骤S3：对步骤S1采集的菌落图像进行数据增强；步骤S4：构建改进的YOLOX目标检测模型；步骤S5：将步骤S4改进的YOLOX目标检测模型进行模型轻量化处理；步骤S6：将步骤S5的轻量化处理后的模型部署至终端设备中；步骤S7：通过步骤S6构建的菌落鉴别系统，检测图片内的菌落特征，并输出检测结果。应用本技术方案可有效提高食品检测实验室菌种类型鉴别的工作效率。

本发明授权一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别方法在权利要求书中公布了：1.一种基于改进的YOLOX的食品中常见菌菌落分类和鉴别方法，其特征在于：包括以下步骤：步骤S1：采集食品中常见微生物菌落图像；步骤S2：对步骤S1采集的食品中常见微生物菌落图像进行标注，标注菌落的种属信息、外观信息和菌落位置信息，建立食品中常见的微生物菌落图像数据库；步骤S3：对步骤S1采集的菌落图像进行数据增强；步骤S4：构建改进的YOLOX目标检测模型，实现对食品常见微生物菌落的鉴别；步骤S5：将步骤S4改进的YOLOX目标检测模型进行模型轻量化处理；步骤S6：将步骤S5的轻量化处理后的模型部署至终端设备中，并构建食品中常见微生物的菌落鉴别分析系统；步骤S7：将步骤S3中预处理好的菌落图像，通过步骤S6构建的菌落鉴别系统，检测图片内的菌落特征，所述菌落特征包括：外形、大小、光泽、黏稠度、透明度、边缘、隆起情况、正反面颜色、是否分泌水溶性色素，并输出检测结果；所述步骤S4中的YOLOX模型改进方式如下：步骤S41：YOLOX的主干特征提取使用MBConv和Fused-MBConv模块替代CSP模块，使用轻量化神经网络模块，提高检测速度，保证检测实时性；步骤S42：MBConv和Fused-MBConv模块融入CA坐标注意力机制、ECA通道注意力机制和DFC长效空间注意力机制，构成轻量化的Attention-MBConv模块、Attention-Fused-MBConv模块，在主干网络的浅层区域使用Attention-Fused-MBConv模块，在主干网络的深层区域使用带有深度卷积和逐点卷积的Attention-MBConv模块；步骤S43：主干特征提取网络尾部加入E-SPP结构，以获得单一特征图的多尺度的图像信息，增大模型感受野，并使检测模型适应不同尺寸图像的输入；步骤S44：特征提取层使用两组加权双向特征金字塔网络结构BiFPN替代原FPN结构；步骤S45：将原YOLOX的三个检测头，增加两个针对小目标的检测头，提高检测模型对小型菌落的敏感度;使用anchor-free机制，不设置anchor框;另外加入辅助头auxhead提高模型的召回率，同时只在模型训练时使用，不增加部署阶段的检测时间；所述步骤S6中的食品中常见菌落分类和鉴别系统结构如下：步骤S61：使用Qt搭建检测系统的上位机，实现菌落的分类及鉴定功能；并提供添加其他菌落类别的功能；步骤S62:将所述S5中轻量化处理后的模型，通过TensorRT格式部署到英伟达的JetsonNanoB01终端；步骤S63：使用RER-USB48MP02摄像头采集菌落图像。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。