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！

龙图腾网获悉西安交通大学申请的专利一种基于深度学习和知识图谱的零件类别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：CN119649122B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411729102.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习和知识图谱的零件类别识别方法及系统是由桂小林;符宇轩;邵屹杨设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于深度学习和知识图谱的零件类别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深度学习和知识图谱的零件类别识别方法及系统，获取零件图片数据集，对数据集进行预处理和数据增强；构建识别模型并训练，使用训练好的模型对零件图片进行特征提取并保存，得出不同的零件图片包含的特征向量；对需要识别的零件图片利用模型提取特征信息并与已有图片的特征向量进行比对得到最相似的结果；根据比对结果自动使用查询语句在知识图谱中查找对应信息并反馈。通过识别零件图片从知识图谱中得到其详细信息，可以在设备运维等方面发挥作用。本发明根据单张图片快速反馈所需的大量信息，有效加快了设备维护、零件更换以及自动检修等场景下的信息检索速度，对提高零部件信息查询效率有着较好的参考意义。

本发明授权一种基于深度学习和知识图谱的零件类别识别方法及系统在权利要求书中公布了：1.一种基于深度学习和知识图谱的零件类别识别方法，其特征在于，包括： 获取待查询零件图像及预处理的零件图像； 以VGG11模型为基础，建立零件图像识别模型，将预处理的零件图像输入至零件图像识别模型，获取训练好的图像识别模型； 采用训练好的图像识别模型对预处理的零件图像进行特征提取，获取不同的零件图像包含的特征向量； 将待查询零件图像输入至训练好的图像识别模型，获取特征向量； 对特征向量及不同的零件图像包含的特征向量进行处理获取零件详细信息，实现零件类别识别； 所述以VGG11模型为基础，建立零件图像识别模型，具体为： 零件图像识别模型是在VGG11模型的每个卷积层后添加BN层，将VGG11模型中三个全连接层的前两个的输出拼接成2048维并作为第三个全连接层的输入；所述零件图像识别模型具有5个卷积块共计8个卷积层以及三层全连接层，将前两层全连接层的输出拼接作为第三个全连接层的输入，最后一个全连接层的输出为模型训练时的分类结果；每个卷积块后接一层最大池化层，每个卷积层后接一层BN层以及ReLU激活函数，每个全连接层后接ReLU激活函数和Dropout层，取前两个全连接层拼接后的特征向量作为提取出的图像特征，使用时根据图像特征对比得到识别结果； 所述对特征向量及不同的零件图像包含的特征向量进行处理获取零件详细信息，实现零件类别识别，具体为： 将特征向量与不同的零件图像包含的特征向量依次对比得到两者的余弦相似度，取相似度最高的结果对应的图片作为查找结果，根据查找结果从知识图谱中获取零件详细信息。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。