買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜重慶大學申請的專利基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114511746B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210158816.1，技術(shù)領域涉及：G06V10/764；該發(fā)明授權(quán)基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法是由王四寶;焦健;楊波;王時龍;王昱;肖猛設計研發(fā)完成，并于2022-02-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法在說明書摘要公布了：本發(fā)明公開了一種基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法，包括如下步驟：1采集點焊電極帽的外觀原始圖像：針對同一個點焊電極帽采集的外觀原始圖像包括端面俯視圖、側(cè)身圖和兩個方向的斜視圖；2得到點焊電極帽的檢測圖像：針對同一個點焊電極帽，將采集得到的端面俯視圖、側(cè)身圖和兩個方向的斜視圖分別裁剪縮放為設定尺寸后，拼接為一張圖像，得到點焊電極帽的檢測圖像；3設置批次檢測圖像的數(shù)量：根據(jù)獲取的檢測圖像的總數(shù)量，設置每一批次檢測圖像的數(shù)量；4利用卷積神經(jīng)網(wǎng)絡模型自動識別點焊電極帽的外觀多標簽類別，得到檢測圖像和多標簽類別矩陣。

本發(fā)明授權(quán)基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法在權(quán)利要求書中公布了：1.一種基于深度學習的多標簽點焊電極帽狀態(tài)自動識別方法，其特征在于：包括如下步驟：1）采集點焊電極帽的外觀原始圖像：針對同一個點焊電極帽采集的外觀原始圖像包括端面俯視圖、側(cè)身圖和兩個方向的斜視圖；2）得到點焊電極帽的檢測圖像：針對同一個點焊電極帽，將采集得到的端面俯視圖、側(cè)身圖和兩個方向的斜視圖分別裁剪縮放為設定尺寸后，拼接為一張圖像，得到點焊電極帽的檢測圖像；3）設置批次檢測圖像的數(shù)量：根據(jù)獲取的檢測圖像的總數(shù)量，設置每一批次檢測圖像的數(shù)量；4）利用卷積神經(jīng)網(wǎng)絡模型自動識別點焊電極帽的外觀多標簽類別，得到檢測圖像和多標簽類別矩陣，所述點焊電極帽的外觀多標簽類別包括過短電極帽、氧化電極帽、傾斜變形電極帽、正常電極帽和端面放大電極帽五類；所述卷積神經(jīng)網(wǎng)絡模型包括數(shù)據(jù)輸入層、Ind卷積模塊、inception卷積單元、全局平均池化層（AGP層）、全連接層（FC層）和輸出層，所述inception卷積單元設為5個；所述Ind卷積模塊采用3*3卷積核和1*1卷積核的組合形成多尺度卷積模塊，通過并聯(lián)不同的多尺度卷積模塊，以更加充分地提取圖片淺層特征；所述inception卷積單元包括5個并行卷積并使用1*1卷積核進行降維；其中一個并行卷積利用兩個串聯(lián)的3*3卷積核以降低網(wǎng)絡參數(shù)并拓寬網(wǎng)絡寬度；另外一個并行卷積采用三個串聯(lián)的3*3卷積核以拓寬卷積寬度；每完成一次inception卷積計算后進行一次最大池化處理；所述輸出層采用sigmoid分類器，將每一個點焊電極帽分為一個標簽類別或者幾個標簽類別的組合。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人重慶大學，其通訊地址為：400044 重慶市沙坪壩區(qū)沙坪壩正街174號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。