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！

龙图腾网恭喜华北电力大学(保定)申请的专利一种基于深度学习的断路器动触头运动特性测量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：CN114693741B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210401874.2，技术领域涉及：G06T7/246；该发明授权一种基于深度学习的断路器动触头运动特性测量方法是由崔克彬;崔叶微;刘智萍;牛为华;袁和金设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本一种基于深度学习的断路器动触头运动特性测量方法在说明书摘要公布了：本发明公开了一种基于深度学习的断路器动触头运动特性测量方法，具体步骤如下：步骤S1：设置辅助标志物，采集高速图像序列；步骤S2：将高速图像序列输入至训练好的深度学习模型中，跟踪辅助标志物的运动轨迹；步骤S3：根据辅助标志物的轨迹计算得出断路器动触头行程时间曲线。采用上述一种基于深度学习的断路器动触头运动特性测量方法，采用非接触式测量，跟踪与断路器动触头同步运动的部件实现断路器动触头运动特性测量，且可以有效应对目标尺寸变化、背景颜色干扰以及摄像头抖动的问题，实现准确跟踪。

本发明授权一种基于深度学习的断路器动触头运动特性测量方法在权利要求书中公布了：1.一种基于深度学习的断路器动触头运动特性测量方法，其特征在于，具体步骤如下： 步骤S1：设置辅助标志物，采集高速图像序列； 步骤S2：将高速图像序列输入至训练好的深度学习模型中，跟踪辅助标志物的运动轨迹；步骤S2具体为： 步骤S21：特征提取，将高速图像序列输入到改进的ResNet50网络提取多层特征图； 步骤S22：特征融合，对提取的多层特征图通过金字塔特征增强网络融合多层特征； 步骤S23：特征增强，将融合后的多层特征输入至特征增强网络得到特征增强的融合向量； 步骤S24：将融合向量输入预测头得到跟踪辅助标志物的运动轨迹； 改进的ResNet50网络为将传统ResNet50网络中的输入部分第一层的7*7卷积换成了3个3*3卷积； 金字塔特征增强网络为双层金字塔结构，双层金字塔结构是在传统金字塔结构中增加一条自下而上再自上而下的路径，利用侧向连接融合各层特征； 特征增强网络包括CECACCFA结构和CCFA结构，CECACCFA结构包括两个CECA结构和两个CCFA结构，融合后的多层特征输入至CECACCFA结构中并重复四次后两个输出分支通过CCFA结构进行融合； 预测头包括用于预测每个位置是否含有辅助标志物的分类分支和用于预测回归框的回归分支，分类分支和回归分支均由3个线性层和RELU激活函数组成，分类分支用来预测每个位置的是否含有跟踪目标，回归分支用来预测回归框； 步骤S3：根据辅助标志物的轨迹计算得出断路器动触头行程时间曲线。

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电力大学(保定)，其通讯地址为：071003 河北省保定市永华北大街619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”。