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

龍圖騰網恭喜貴州大學申請的專利一種基于新型觸覺圖的觸覺物體識別方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118709025B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411203602.7，技術領域涉及：G06F18/24；該發明授權一種基于新型觸覺圖的觸覺物體識別方法及裝置是由楊靜;于祖坤;阮小利;唐向紅;胡丙齊;曹陽設計研發完成，并于2024-08-30向國家知識產權局提交的專利申請。

本一種基于新型觸覺圖的觸覺物體識別方法及裝置在說明書摘要公布了：本申請提供了一種基于新型觸覺圖的觸覺物體識別方法及裝置，涉及智能機器人觸覺物體識別領域。該方法包括：獲取觸覺數據，并將所述觸覺數據劃分為訓練數據集和測試數據集；基于網絡樹算法，將所述訓練數據集構建成網絡樹觸覺圖；構建SNN觸覺物體識別模型，并采用誤差函數和Dropout層對所述物體識別模型進行優化，得到優化后SNN觸覺物體識別模型；根據所述網絡樹觸覺圖對所述優化后SNN觸覺物體識別模型進行訓練，得到訓練好的優化后SNN觸覺物體識別模型；將所述測試數據集輸入所述訓練好的優化后SNN觸覺物體識別模型中，得到預測的物體類別。以此方式，可以提升模型對觸覺數據的處理效率和識別精度。

本發明授權一種基于新型觸覺圖的觸覺物體識別方法及裝置在權利要求書中公布了：1.一種基于新型觸覺圖的觸覺物體識別方法，其特征在于，包括：獲取觸覺數據，并將所述觸覺數據劃分為訓練數據集和測試數據集；基于網絡樹算法，將所述訓練數據集構建成網絡樹觸覺圖；其中，所述基于網絡樹算法，將所述訓練數據集構建成網絡樹觸覺圖，包括：對所述訓練數據集中觸覺數據進行預處理，并根據預處理后的觸覺數據定義網絡樹的39個觸摸點坐標；根據所述網絡樹的39個觸摸點的坐標，構建鄰接矩陣；遍歷鄰接矩陣，如果矩陣中的某項值為1，則在圖G中添加一條連接對應節點的邊，既實現了基于給定點集構建鄰接矩陣，進而創建并可視化一個無向圖的過程，該無向圖即定義為網絡樹觸覺圖，最終得到的網絡樹觸覺圖；構建SNN觸覺物體識別模型，并采用誤差函數和Dropout層對所述物體識別模型進行優化，得到優化后SNN觸覺物體識別模型；其中，所述優化后SNN觸覺物體識別模型包括拓撲圖卷積層、LIF神經元激發層、全連接層、Dropout層及投票層；其中，所述構建SNN觸覺物體識別模型，并采用誤差函數和Dropout層對所述物體識別模型進行優化，得到優化后SNN觸覺物體識別模型，包括：初始化SNN觸覺物體識別模型，并將所述網絡樹觸覺圖作為模型輸入層；在所述網絡樹觸覺圖之后建立拓撲卷積層；使用ERF誤差函數對脈沖數據近似表達，得到脈沖神經元的膜電位更新動態；其中，所述使用ERF誤差函數對脈沖數據近似表達表示為： ；其中，表示脈沖數據，表示使用ERF誤差函數對脈沖數據近似表達，表示控制反向傳播時梯度的平滑程度的參數，表示誤差函數；將所述脈沖神經元的膜電位更新動態作為輸入，添加一個全連接層，縮減神經網絡的神經元，獲取觸覺信息特征；添加dropout層，對SNN觸覺物體識別模型正則化；添加投票層，解碼網絡輸出；根據所述網絡樹觸覺圖對所述優化后SNN觸覺物體識別模型進行訓練，得到訓練好的優化后SNN觸覺物體識別模型；將所述測試數據集輸入所述訓練好的優化后SNN觸覺物體識別模型中，得到預測的物體類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人貴州大學，其通訊地址為：550025 貴州省貴陽市花溪區貴州大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。