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！

龙图腾网获悉中南大学申请的专利基于动态时序图神经网络的浮选过程工况识别方法及系统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：CN120219843B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510307436.3，技术领域涉及：G06V10/764；该发明授权基于动态时序图神经网络的浮选过程工况识别方法及系统是由谢世文;朱琴;谢永芳;吴宗泽;唐朝晖设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本基于动态时序图神经网络的浮选过程工况识别方法及系统在说明书摘要公布了：本发明公开了一种基于动态时序图神经网络的浮选过程工况识别方法及系统，包括如下步骤：根据泡沫浮选实际生产过程的经验知识，选取反映泡沫图像的重要表观特征；将表观特征作为图节点对泡沫浮选槽构建动态图结构，用邻接矩阵表示特征变量之间的相互作用关系；从长期关系和短期关系两个角度挖掘泡沫图像特征变量随时间的变化；基于建立好的消息传递图神经网络模型，更新图网络内容对网络进行训练，获得工况分类的结果。本发明利用表观特征变量建立图网络克服浮选槽之间的差异性和复杂性，突出变量之间关系对浮选工况的影响，有助于工人判别浮选槽的工作状况，促进浮选过程高效、稳定运行。

本发明授权基于动态时序图神经网络的浮选过程工况识别方法及系统在权利要求书中公布了：1.一种基于动态时序图神经网络的浮选过程工况识别方法，其特征在于，包括如下步骤： S1：获得描述泡沫图像的主要特征变量作为泡沫浮选特征；对浮选工况进行分类得到描述不同工况类别泡沫状态的关键词； S2：获取历史泡沫浮的视频样本集，采用机器视觉方法提取所述视频样本集的泡沫浮选特征，然后预处理得到所述泡沫浮选特征的标准化后的时序向量Z； S3：基于动态图的理论，用标准化后的时序向量Z构建泡沫浮选特征的动态图； S4：将泡沫浮选特征的动态图作为引入了跨时段特征累计融合的消息传递图神经网络MPNN的输入，引入了跨时段特征累计融合的消息传递图神经网络MPNN中节点的状态更新通过消息传递和聚合函数实现，经过c层MPNN网络嵌套，得到新的动态图GDynamic′；所述引入了跨时段特征累计融合的消息传递图神经网络MPNN通过在消息传递图神经网络中引入跨时段特征累积融合得到，具体定义公式如下： 1消息传递函数：2聚合函数：其中，l表示当前网络层数，v为当前节点，γ表示节点v的邻居节点，Nv是当前节点在特征空间连接关系上的邻居节点集合，是在节点v第l层第t‑1段时间切片处的特征表示，和分别是在节点v和γ第l层第t段时间切片处的特征表示，是更新后节点v在第l+1层第t段时间切片处的特征表示，是第t段时间切片的边特征，是节点v在第l+1层第t段时间切片处的消息向量；M·运算将所有的节点信息传播到各自的邻居节点中，获得新一层的消息向量；U·运算是聚合函数，用于将当前层的邻居节点向量、前一个时间步的邻居节点向量与消息向量进行聚合，得到更新后的节点特征表示； S5：采用池化操作，压缩新的动态图GDynamic′节点和边的特征信息得到稀疏的图表示，池化后的嵌入输出经过全连接层映射为不同工况类别的概率分布，实现泡沫浮选的工况分类； S6：构建交叉熵损失函数作为监督，衡量模型结果与真实工况标签的差异，利用损失函数训练跨时段特征累计融合的消息传递图神经网络MPNN，通过反向传播更新参数并重复步骤S4‑S5至交叉熵损失函数最小即得到最终的消息传递图神经网络； S7：实际进行泡沫浮选工况识别时，提取泡沫视频中的表观特征时间序列并输入至最终的消息传递图神经网络，经过消息传递和时序特征提取后，模型输出当前工况的分类结果。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。

以上内容由龙图腾AI智能生成。