哈尔滨市科佳通用机电股份有限公司马元通获国家专利权
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！
龙图腾网获悉哈尔滨市科佳通用机电股份有限公司申请的专利基于深度学习的铁路货车盖板故障识别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：CN116486129B 。
龙图腾网通过国家知识产权局官网在2025-08-19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：202310217035.X，技术领域涉及：G06V10/762；该发明授权基于深度学习的铁路货车盖板故障识别方法及装置是由马元通设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。
本基于深度学习的铁路货车盖板故障识别方法及装置在说明书摘要公布了：基于深度学习的铁路货车盖板故障识别方法及装置，涉及图像处理技术领域。本发明是为了解决人工对铁路货车交叉支撑装置盖板检测的方式准确率及效率低的问题。本发明将含有被测部件的被测图像输入至训练好的深度学习语义分割模型中，将结果图像中所有像素点坐标生成集合，并将该集合作为特征矢量集，将特征矢量集中的特征矢量按最小距离原则分别划分到多个类别中；分别计算各类别的聚类中心；判断任一类别中相邻两次迭代的聚类中心是否相同，是则分别计算聚类结果中每一类所有像素点的最小外接矩形面积，筛选出最小外接矩形面积小于50个像素的类别，将筛选后类别所构成的图像作为分割结果，判断分割结果的是否变形。
本发明授权基于深度学习的铁路货车盖板故障识别方法及装置在权利要求书中公布了：1.基于深度学习的铁路货车盖板故障识别方法，其特征在于，包括以下步骤： 步骤一：将含有被测部件的被测图像输入至训练好的深度学习语义分割模型中，获得含有待识别部件的结果图像； 步骤二：将结果图像中所有像素点坐标生成集合，并将该集合作为特征矢量集； 步骤三：将特征矢量集中的特征矢量按最小距离原则分别划分到C个类别中，所述C个类别的聚类中心分别表示为：其中k表示迭代次数且初始值为0； 步骤四：分别计算各类别在第k+1次迭代时的聚类中心 步骤五：判断任一类别中第k+1与k次迭代的聚类中心是否相同，是则获得聚类结果并执行步骤六，否则使k＝k+1，然后返回步骤三； 步骤六：分别计算聚类结果中每一类所有像素点的最小外接矩形面积，筛选出最小外接矩形面积小于50个像素的类别，将筛选后类别所构成的图像作为分割结果； 步骤七：判断分割结果的是否变形，是则确定铁路货车交叉支撑装置盖板存在变形，否则不存在变形。
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哈尔滨市科佳通用机电股份有限公司，其通讯地址为：150060 黑龙江省哈尔滨市经开区哈平路集中区潍坊路2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”。
以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号