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！

龙图腾网获悉华北理工大学申请的专利一种面向医疗废物全流程的溯源与风险预警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：CN121707547B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610214649.6，技术领域涉及：G06Q10/30；该发明授权一种面向医疗废物全流程的溯源与风险预警方法及系统是由陈路遥;任琦;阎升光设计研发完成，并于2026-02-14向国家知识产权局提交的专利申请。

本一种面向医疗废物全流程的溯源与风险预警方法及系统在说明书摘要公布了：本发明涉及数据处理领域，具体涉及一种面向医疗废物全流程的溯源与风险预警方法及系统。包括：生成损失标签，构建匹配对；确定预训练神经网络对应特征的特征权重；获取每个损失标签的预测类别；将损失标签的预测类别，与未扫描交接标签的历史类别进行比对；若一致，计算各已知标签与该损失标签的当前重量差、及各已知标签与该未扫描交接标签的历史重量差，计算初步匹配性度量；生成重量惩罚项；融合初步匹配性度量与重量惩罚项生成每个匹配对的最终匹配代价进行全局最优匹配，为匹配成功的损失标签确定全流程溯源信息。本发明可以提升医疗废物全流程溯源的鲁棒性，降低人工核验成本。

本发明授权一种面向医疗废物全流程的溯源与风险预警方法及系统在权利要求书中公布了：1.一种面向医疗废物全流程的溯源与风险预警方法，其特征在于，包括： 在交接节点对无法扫码的医疗废物包生成损失标签，并与上一节点已记录且本节点未出现的未扫描交接标签构成匹配对； 利用本节点所有已知标签测试预训练神经网络，依据每个预训练神经网络的分类准确率确定其对应特征的特征权重； 基于该特征权重对所有损失标签进行聚类分析，得到每个损失标签的预测类别，具体包括： 对于任意两个损失标签，将这两个损失标签的包装图像分别输入每个预训练神经网络； 对于每个预训练神经网络，判断其针对这两个损失标签输出的分类结果是否相同； 若相同，则将该预训练神经网络对应的特征权重进行归一化，并计入这两个损失标签的聚类贡献值，若不相同，则将零计入聚类贡献值； 将这两个损失标签的聚类贡献值进行求和，得到这两个损失标签之间的相似度分数； 依据所有损失标签两两之间的相似度分数，通过聚类算法对所有损失标签进行聚类，得到分类簇； 将每个分类簇与每个预定义的医疗废物标准类别进行匹配，确定每个分类簇对应的医疗废物类别，将此医疗废物类别确定为该分类簇中每个损失标签的预测类别； 对于每一个匹配对，将其中的损失标签的预测类别，与该匹配对中的未扫描交接标签的历史类别进行比对； 若一致，则以本节点所有已知标签为参照，计算各已知标签与该损失标签的当前重量差、及各已知标签与该未扫描交接标签的历史重量差，基于当前重量差和历史重量差的一致性计算初步匹配性度量，具体包括： 针对本节点中的每个已知标签，计算其当前重量与该损失标签的当前重量之间的第一重量差，并计算其在上一节点的历史重量与该未扫描交接标签的历史重量之间的第二重量差； 计算第一重量差与第二重量差之差的绝对值； 根据绝对值的大小，确定该已知标签对该匹配对的匹配贡献值，其中，绝对值和匹配贡献值呈负相关； 计算该已知标签的当前重量与损失标签的当前重量之差的绝对值； 根据该重量之差的绝对值的大小，为该已知标签分配一个权重，其中，该重量之差的绝对值和所分配的权重呈负相关； 以所分配的权重对该已知标签的匹配贡献值进行加权，得到该已知标签的加权贡献； 将所有已知标签的加权贡献求和，将求和结果确定为初步匹配性度量； 根据该损失标签的预测类别获取重量稳定性权重，对该匹配对中两个标签的重量绝对差异进行加权，生成重量惩罚项；融合初步匹配性度量与重量惩罚项生成每个匹配对的最终匹配代价； 若不一致，则为每个匹配对生成极大代价作为最终匹配代价； 基于所有匹配对的最终匹配代价构建代价矩阵，利用匈牙利算法进行全局最优匹配，为匹配成功的损失标签确定全流程溯源信息。

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华北理工大学，其通讯地址为：063210 河北省唐山市曹妃甸新城渤海大道21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。