買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜成都理工大學(xué)申請(qǐng)的專利一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119672320B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16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(qǐng)?zhí)?專利號(hào)為：202510164005.6，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法是由陳光柱;戴玖;廖曉鵑設(shè)計(jì)研發(fā)完成，并于2025-02-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提出了一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法，針對(duì)真實(shí)的柔性電路板生產(chǎn)的多場(chǎng)景目標(biāo)檢測(cè)的問(wèn)題。該方法為了克服目標(biāo)檢測(cè)模型對(duì)于多場(chǎng)景目標(biāo)檢測(cè)時(shí)間開(kāi)銷大和多場(chǎng)景理解能力弱的問(wèn)題，提出了目標(biāo)時(shí)序因果級(jí)聯(lián)Mamba，目標(biāo)時(shí)序因果級(jí)聯(lián)Mamba通過(guò)處理yolov9模型的Backbone層和Neck層后的特征，以求解多場(chǎng)景目標(biāo)時(shí)序因果量化表示圖中的參數(shù)值。該方法還提出關(guān)系注意力模塊，增強(qiáng)關(guān)系特征轉(zhuǎn)換的準(zhǔn)確性。本發(fā)明的有益效果是：多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法能夠建模同一場(chǎng)景間目標(biāo)的生產(chǎn)時(shí)序性和不同場(chǎng)景間目標(biāo)的因果性，理解工業(yè)生產(chǎn)場(chǎng)景間的邏輯關(guān)聯(lián)性，進(jìn)而提升模型的實(shí)時(shí)性和準(zhǔn)確性。

本發(fā)明授權(quán)一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種工業(yè)多場(chǎng)景下目標(biāo)時(shí)序因果關(guān)系驅(qū)動(dòng)的目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：S1.構(gòu)造工業(yè)多場(chǎng)景目標(biāo)檢測(cè)數(shù)據(jù)集：所述工業(yè)多場(chǎng)景目標(biāo)檢測(cè)數(shù)據(jù)集包括柔性電路板生產(chǎn)下的三個(gè)生產(chǎn)場(chǎng)景下包括人員穿戴、生產(chǎn)線設(shè)備、產(chǎn)品缺陷的圖像；S2.目標(biāo)時(shí)序因果關(guān)系表示：所述目標(biāo)時(shí)序因果關(guān)系表示過(guò)程包括因果關(guān)系表示、時(shí)序關(guān)系表示和時(shí)序因果關(guān)系表示，得到目標(biāo)時(shí)序因果結(jié)構(gòu)圖；S3.時(shí)序因果關(guān)系量化表示：依據(jù)目標(biāo)時(shí)序因果結(jié)構(gòu)圖，確定混雜因子后，可以得到目標(biāo)時(shí)序因果結(jié)構(gòu)圖中任一時(shí)刻下的三個(gè)場(chǎng)景的目標(biāo)特征概率分布，從而可以量化目標(biāo)之間的時(shí)序因果關(guān)系，從而建立時(shí)序因果關(guān)系量化表示圖；S4.進(jìn)行目標(biāo)時(shí)序因果關(guān)系量化學(xué)習(xí)：構(gòu)建目標(biāo)時(shí)序因果級(jí)聯(lián)Mamba進(jìn)行關(guān)系特征轉(zhuǎn)換并求解時(shí)序因果關(guān)系量化表示圖中的參數(shù)，用關(guān)系注意力模塊優(yōu)化關(guān)系特征轉(zhuǎn)換；S5.進(jìn)行工業(yè)多場(chǎng)景目標(biāo)檢測(cè)：將目標(biāo)時(shí)序因果級(jí)聯(lián)Mamba融入到y(tǒng)olov9目標(biāo)檢測(cè)模型得到最終的檢測(cè)模型，將多場(chǎng)景圖像輸入到最終模型中，生成最終的工業(yè)多場(chǎng)景目標(biāo)檢測(cè)預(yù)測(cè)結(jié)果；所述步驟S4中，所述構(gòu)建目標(biāo)時(shí)序因果級(jí)聯(lián)Mamba進(jìn)行關(guān)系特征轉(zhuǎn)換并求解時(shí)序因果關(guān)系量化表示圖中的參數(shù)具體操作步驟依次為高置信度目標(biāo)篩選操作、時(shí)序場(chǎng)景關(guān)系特征轉(zhuǎn)換操作、因果場(chǎng)景關(guān)系特征轉(zhuǎn)換操作：高置信度目標(biāo)篩選操作：將經(jīng)過(guò)yolov9模型的Backbone層和Neck層后的特征進(jìn)行Top-K篩選，輸出前k個(gè)高置信度目標(biāo)特征： 其中，為輸入特征對(duì)每個(gè)位置h,w的特征向量：，表示取最大值的前k個(gè)值；時(shí)序場(chǎng)景關(guān)系特征轉(zhuǎn)換操作：在預(yù)測(cè)t+1時(shí)刻安全監(jiān)控場(chǎng)景目標(biāo)時(shí)，將第t個(gè)時(shí)刻安全監(jiān)控場(chǎng)景目標(biāo)和t+1時(shí)刻生產(chǎn)線檢測(cè)場(chǎng)景目標(biāo)特征經(jīng)過(guò)高置信度目標(biāo)篩選操作后的特征拼接后的傳入投影層，輸出得到，，三個(gè)矩陣，同時(shí)對(duì)時(shí)不變狀態(tài)矩陣和時(shí)變矩陣進(jìn)行離散化得到和，再將進(jìn)一步的與輸入相乘，和原始狀態(tài)相乘，將前兩項(xiàng)相加得到當(dāng)前狀態(tài)，最后將當(dāng)前狀態(tài)與矩陣作為輸入相乘得到最終的時(shí)序關(guān)系特征轉(zhuǎn)換結(jié)果，預(yù)測(cè)t+1時(shí)刻生產(chǎn)線檢測(cè)場(chǎng)景目標(biāo)時(shí)同理，公式如下所示： 其中，和分別表示安全監(jiān)控場(chǎng)景和生產(chǎn)線檢測(cè)場(chǎng)景在第t時(shí)刻下經(jīng)過(guò)高置信度目標(biāo)篩選操作后的特征，表示特征的拼接操作，表示線性投影操作，和表示使用用零階保持技術(shù)對(duì)和進(jìn)行離散化，表示矩陣相乘，表示矩陣相加，和分別表示安全監(jiān)控場(chǎng)景目標(biāo)和生產(chǎn)線檢測(cè)場(chǎng)景目標(biāo)的時(shí)序關(guān)系特征轉(zhuǎn)換結(jié)果；因果場(chǎng)景關(guān)系特征轉(zhuǎn)換操作：在預(yù)測(cè)t時(shí)刻檢測(cè)質(zhì)量檢測(cè)場(chǎng)景目標(biāo)時(shí)，將第t個(gè)時(shí)刻安全監(jiān)控場(chǎng)景目標(biāo)和生產(chǎn)線檢測(cè)場(chǎng)景目標(biāo)特征經(jīng)過(guò)高置信度目標(biāo)篩選操作后的特征分別傳入兩個(gè)投影層，輸出得到，，，，，六個(gè)矩陣，同時(shí)和對(duì)時(shí)不變狀態(tài)矩陣A、時(shí)變矩陣和進(jìn)行離散化得到、和，再將和進(jìn)一步的分別與輸入和相乘，和原始狀態(tài)相乘，將前三項(xiàng)相加得到當(dāng)前狀態(tài)，最后將當(dāng)前狀態(tài)分別與矩陣和作為輸入相乘得到最終的因果關(guān)系特征轉(zhuǎn)換結(jié)果和，公式如下所示： 其中，和分別表示安全監(jiān)控場(chǎng)景和生產(chǎn)線檢測(cè)場(chǎng)景在第t時(shí)刻下經(jīng)過(guò)高置信度目標(biāo)篩選操作后的特征，表示線性投影操作，和分別表示使用和用零階保持技術(shù)對(duì)進(jìn)行離散化，和分別表示使用用零階保持技術(shù)對(duì)進(jìn)行離散化和使用用零階保持技術(shù)對(duì)進(jìn)行離散化，表示矩陣相乘，表示矩陣相加，和分別表示安全監(jiān)控場(chǎng)景目標(biāo)和生產(chǎn)線檢測(cè)場(chǎng)景目標(biāo)對(duì)質(zhì)量檢測(cè)場(chǎng)景目標(biāo)的因果關(guān)系特征轉(zhuǎn)換結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人成都理工大學(xué)，其通訊地址為：610059 四川省成都市二仙橋東三路1號(hào)；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)”。