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！

龙图腾网获悉华侨大学申请的专利融合3D点云的多模态自编码器零配件智能检测方法及装置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：CN119848569B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510315537.5，技术领域涉及：G06F18/22；该发明授权融合3D点云的多模态自编码器零配件智能检测方法及装置是由李耘丰;温廷羲;陈宇萍;陈心文;凌孟德;傅玉青设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本融合3D点云的多模态自编码器零配件智能检测方法及装置在说明书摘要公布了：本发明公开了融合3D点云的多模态自编码器零配件智能检测方法及装置，涉及图像处理领域，方法包括：S1，获取各型号零配件的体积、重量和3D点云数据；进行归一化和2D深度图像转化；S2，将2D深度图像进行裁剪和特征提取，与归一化的重量和体积数据进行特征融合，得到多模态特征；S3，进行灰度化处理得到多模态特征灰度图；S4，划分训练集和测试集；使用训练集训练自编码器模型；S5，将测试集输入训练好的自编码器模型，得到各型号零配件的特征编码；S6，将待检测零配件的多模态特征灰度图输入训练好的自编码器模型，得到待检测零配件的特征编码，进行特征比对得到型号信息。本发明用自编码器提取融合3D点云的多模态特征，提高了零配件检测准确性。

本发明授权融合3D点云的多模态自编码器零配件智能检测方法及装置在权利要求书中公布了：1.一种融合3D点云的多模态自编码器零配件智能检测方法，其特征在于，包括如下步骤： S1，获取各型号零配件的体积数据、重量数据和3D点云数据；对零配件的重量数据和体积数据进行归一化处理，将3D点云数据转换为2D深度图像； S2，将2D深度图像进行裁剪后进行特征提取获得特征图，将特征图与归一化处理后的重量数据和体积数据进行特征融合，得到零配件的多模态特征； S3，将零配件的多模态特征进行灰度化处理，得到多模态特征灰度图； S4，将多模态特征灰度图划分为训练集和测试集；使用训练集对构建的自编码器模型进行训练，得到训练好的自编码器模型； S5，将测试集输入训练好的自编码器模型，得到各型号零配件的特征编码； S6，将待检测零配件经过S1-S3处理得到待检测零配件的多模态特征灰度图，并输入训练好的自编码器模型，得到待检测零配件的特征编码，将待检测零配件的特征编码与各型号零配件的特征编码进行特征比对，检测得到待检测零配件的型号信息； 所述自编码器模型的损失函数表示为： 其中，Loss表示自编码器模型的损失函数；||||表示欧几里得范数；f表示将零配件的多模态特征映射为编码特征的一个映射函数；max,表示取较大值；α表示一个预设的边缘，用于限制根据不同型号零配件得到的编码特征之间的最小距离；fa与fb分别表示不同型号零配件的多模态特征映射得到的编码特征；fck与fcj分别表示同样型号的各个零部件的多模态特征映射得到的编码特征； 使用特征相似度进行待检测零配件的特征编码与各型号零配件的特征编码的特征比对；所述特征相似度表示为： gx,y＝cosx,y+1； 其中，gx,y表示特征相似度；cosx,y表示余弦值；x代表待检测零配件的编码特征，y代表各型号零配件的编码特征；||||表示欧几里得范数；n表示特征向量中的总特征数量；xi表示x中第i个编码特征；yi表示y中第i个编码特征； 所述将待检测零配件的特征编码与各型号零配件的特征编码进行特征比对，检测得到待检测零配件的型号信息，具体如下： 分别计算待检测零配件特征编码与各型号零配件的特征编码的特征相似度，如果某一型号零配件对应的特征相似度大于预设相似度阈值，待检测零配件的型号检测成功，待检测零配件的型号为该型号零配件；否则型号检测失败。

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侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。