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！

龙图腾网获悉韦玛实业集团有限公司申请的专利一种基于大模型和自然人机交互的生成式MR工业巡检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：CN119445691B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411468809.7，技术领域涉及：G07C1/20；该发明授权一种基于大模型和自然人机交互的生成式MR工业巡检方法是由刘峰;王广君设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于大模型和自然人机交互的生成式MR工业巡检方法在说明书摘要公布了：一种基于大模型和自然人机交互的生成式MR工业巡检方法，属于智能巡检技术领域。为解决MR巡检开发周期长和成本高的技术难题，本发明包括利用MR头显设备采集待巡检的场景图像序列，构建巡检的场景图像数据集，利用巡检的场景图像数据集对多模态大模型进行训练，得到待巡检的类别序列信息数据；采集对应的空间定位信息和交互信息，基于采集的空间定位信息和交互信息构建巡检模块数据集，然后利用巡检模块数据集对巡检模块进行训练，得到巡检模块的检查序列的拟检测信息；拟合待巡检的类别序列信息和各巡检模块的检查序列的拟检测信息，得到巡检执行模型；利用巡检执行模型，执行基于大模型和自然人机交互的生成式MR工业巡检过程。

本发明授权一种基于大模型和自然人机交互的生成式MR工业巡检方法在权利要求书中公布了：1.一种基于大模型和自然人机交互的生成式MR工业巡检方法，其特征在于，包括如下步骤： S1.利用MR头显设备采集待巡检的场景图像序列，构建巡检的场景图像数据集，利用巡检的场景图像数据集对多模态大模型进行训练，得到待巡检的类别序列信息数据； 步骤S1的具体实现方法包括如下步骤： S1.1.利用MR头显设备采集待巡检的场景图像序列； S1.2.对步骤S1.1采集的对待巡检的场景图像序列中的元素进行标注，所述元素包括目标物体、动作、状态，然后进行图像预处理，包括归一化处理、去噪处理、增强处理，得到巡检的场景图像数据集； S1.3.构建多模态大模型训练的损失函数，包括均方误差损失函数和交叉熵损失函数； 所述均方误差损失函数MSE用于回归问题，计算预测值与真实值之间的平均平方差对于图像序列中的数值预测任务，公式为： 其中，n是样本数量，yi是真实值，是预测值； 所述交叉熵损失函数Hp,q用于图像序列中的分类任务，公式为： 其中，px是真实概率分布，qx是预测概率分布； S1.4.对步骤S1.3构建的多模态大模型训练的损失函数进行调整： 在损失函数中加入时间连贯性约束，计算相邻帧之间预测值的差异，并将相邻帧之间预测值的差异作为损失项加入到总损失函数中； 对具有运动信息的图像序列添加光流损失约束模型对物体运动的预测，光流损失通过计算相邻帧之间像素的位移衡量模型预测的运动与实际运动之间的差异； S1.5.基于步骤S1.4调整后的损失函数，对利用巡检的场景图像数据集对多模态大模型进行训练，优化算法采用随机梯度下降法； 训练步骤为将巡检的场景图像数据集输入到多模态大模型中，根据损失函数计算模型的预测值与真实值之间的损失，使用优化算法更新模型的参数，以最小化损失函数，重复以上步骤，直到模型收敛或达到预定的训练次数； S2.基于MR头显设备采集对应的空间定位信息和交互信息，所述交互信息包括眼球追踪信息、身体动作信息、语音信息以及手势信息，基于采集的空间定位信息和交互信息构建巡检模块数据集，然后利用巡检模块数据集对巡检模块进行训练，得到巡检模块的检查序列的拟检测信息； S3.拟合步骤S1得到的待巡检的类别序列信息和步骤S2得到的各巡检模块的检查序列的拟检测信息，得到巡检执行模型； S4.利用步骤S3得到的巡检执行模型，执行基于大模型和自然人机交互的生成式MR工业巡检过程。

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韦玛实业集团有限公司，其通讯地址为：150001 黑龙江省哈尔滨市南岗区哈南一路以西、京哈高速路以东；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。