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！

龙图腾网获悉合肥工业大学申请的专利基于随机配置卷积网络的镁炉异常工况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：CN116523819B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211515853.X，技术领域涉及：G06T7/00；该发明授权基于随机配置卷积网络的镁炉异常工况识别方法及装置是由李帷韬;童倩倩;孙伟;李奇越;李俊辰;顾嘉钦;黄鑫兴;张心茹;刘威;吕顺辰设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本基于随机配置卷积网络的镁炉异常工况识别方法及装置在说明书摘要公布了：本发明公开了基于随机配置卷积网络的镁炉异常工况识别方法及装置，所述方法包括：获取镁炉图像训练数据集；设置卷积网络的参数并初始化；配置卷积网络的第Layer层卷积的第L次卷积参数，并判断参数是否满足配置条件，若满足则构建卷积参数矩阵；利用卷积参数矩阵生成特征图；对特征图进行池化操作生成下采样特征图；利用下采样特征图更新输入数据，计算所述随机配置卷积网络的预测输出O与真实输出T的误差，若误差大于期望误差则继续配置卷积网络参数，如误差小于等于期望误差则卷积网络构建完成，用于对待检测的镁炉进行异常工况检测；本发明的优点在于：对镁炉异常工况识别准确性高，且便于在现场部署。

本发明授权基于随机配置卷积网络的镁炉异常工况识别方法及装置在权利要求书中公布了：1.基于随机配置卷积网络的镁炉异常工况识别方法，其特征在于，所述方法包括： 步骤a：获取镁炉图像训练数据集； 步骤b：设置卷积网络的参数并初始化；所述步骤b包括： 设置卷积网络的参数，最大卷积层个数Layermax，每层最大卷积次数Lmax，期望误差ε，卷积核大小k； 初始化卷积网络，卷积次数L＝0，卷积层个数为Layer＝0，输入I＝X，误差 步骤c：配置卷积网络的第Layer层卷积的第L次卷积参数，并判断参数是否满足配置条件，若满足则构建卷积参数矩阵，若不满足则重新配置参数，直到满足配置条件；所述步骤c包括： 步骤c01：将输入数据I进行裁剪为大小为k×k的输入数据I′； 步骤c02：利用公式1随机选取权重WL,Layer、偏置bL,Layer； 其中，λ为配置固定参数，randa,b为用[0,1上的均匀分布的随机样本生成大小为a×b矩阵的随机函数，Cin为输入数据I的通道数； 步骤c03：利用公式2计算hL,Layer， hL,Layer＝gWL,Layer·I′+bL,Layer2 其中，g·为激活函数，·为矩阵乘法； 步骤c04：利用公式3计算约束ξL,Layer，若ξL,Layer＜0，则参数不满足配置条件，令r＝r+τ并返回步骤c01重新选择卷积核参数，否则继续步骤c05； 其中，eT为误差e的转置，hL,LayerT为hL,Layer的转置，r为约束参数，0r1，τ为配置固定参数更新步长； 步骤c05：构建第Layer层的权重参数矩阵WLayer＝[W1,Layer,W2,Layer,...,WL,Layer]，偏置参数矩阵bLayer＝[b1,Layer,...,bL,Layer]，权重参数矩阵和偏置参数矩阵构成卷积参数矩阵； 步骤d：利用卷积参数矩阵生成特征图；所述步骤d包括： 利用卷积参数矩阵，采用公式4对镁炉图像训练数据集进行卷积操作，生成特征图FL,Layer； 其中，Ii,k为第i个输入数据的第k个通道矩阵，i＝0,1,...,N，k＝1,2,...,Cin，*为互相关操作符； 步骤e：对特征图进行池化操作生成下采样特征图； 步骤f：利用下采样特征图更新输入数据，计算所述随机配置卷积网络的预测输出O与真实输出T的误差，若误差大于期望误差则继续配置卷积网络参数，如误差小于等于期望误差则卷积网络构建完成，用于对待检测的镁炉进行异常工况检测。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市包河区屯溪路193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。