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！

龙图腾网获悉中国科学院宁波材料技术与工程研究所申请的专利一种基于深度学习的极柱焊前寻址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：CN119295894B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411322240.3，技术领域涉及：G06V10/82；该发明授权一种基于深度学习的极柱焊前寻址方法是由方灶军;田红玲设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本一种基于深度学习的极柱焊前寻址方法在说明书摘要公布了：本发明公开了一种基于深度学习的极柱焊前寻址方法，包括以下步骤：获取动力电池图像并进行标签标注，以组成数据集；基于yolox检测模型框架和轻量化池化方法构建识别网络，所述识别网络包括特征提取模块和多核卷积注意力模块；利用数据集对识别网络进行训练，以获得识别模型；将动力电池图像输入至识别模型中以获得极柱感兴趣图像，并进行降维处理以获得灰度图；基于高斯滤波器对灰度图进行卷积操作，以输出二值化图像，并对二值化图像中的黑色区域进行填补；对填补后的二值化图像进行圆心定位与圆周识别，以获得极柱焊接区域的坐标。本发明提供的方法能实现极柱焊前实时寻址的目的。

本发明授权一种基于深度学习的极柱焊前寻址方法在权利要求书中公布了：1.一种基于深度学习的极柱焊前寻址方法，其特征在于，包括以下步骤： 获取动力电池图像，并对动力电池图像中的极柱以及极柱信息进行标签标注，将动力电池图像和标签组成数据集； 基于yolox检测模型框架和轻量化池化方法构建识别网络，所述识别网络包括特征提取模块和多核卷积注意力模块： 所述特征提取模块包括多尺度特征提取器，所述多尺度特征提取器用于提取多个尺度下电池图像中极柱位置的特征图像； 所述多核卷积注意力模块，通过轻量化池化方法对多个尺度的特征图像进行下采样，并将采样获得的采样特征从通道维度进行拼接，以获得总体特征图作为极柱感兴趣图像进行输出； 利用数据集对所述识别网络进行训练，以获得用于提取极柱感兴趣图像的识别模型； 将动力电池图像输入至识别模型中，以获得极柱感兴趣图像，并对所述极柱感兴趣图像进行降维处理，以获得对应的灰度图； 基于预构建的高斯滤波器对所述灰度图进行卷积操作，以输出仅包括0和255像素值的二值化图像，并利用形态学方法对二值化图像中的黑色区域进行填补； 利用霍夫梯度圆检测方法对填补后的二值化图像进行圆心定位与圆周识别，以获得极柱焊接区域的坐标。

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国科学院宁波材料技术与工程研究所，其通讯地址为：315201 浙江省宁波市镇海区中官西路1219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。