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！

龙图腾网获悉南京北路软件技术有限公司申请的专利一种基于多任务学习的皮带跑偏检测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：CN119551386B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411520267.3，技术领域涉及：B65G43/02；该发明授权一种基于多任务学习的皮带跑偏检测方法及装置是由沙跃庆;赵黄健;金勇;余升林设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种基于多任务学习的皮带跑偏检测方法及装置在说明书摘要公布了：本发明提供一种基于多任务学习的皮带跑偏检测方法及装置，涉及人工智能领域；包括：获取具有标注信息的若干输入图像并分为训练集图像和测试集图像；构建基于多任务学习的目标检测模型并采用训练集图像和测试集图像进行训练；获取皮带运行的实时图像输入至目标检测模型获得输出图像；根据输出图像中标注的目标，计算皮带左、右侧边缘直线方程，确定拖辊位置，进而确定皮带左、由侧预警线，皮带左、右侧告警线；计算并当皮带左、右侧预警线与对应侧皮带边缘直线方程的夹角不超过夹角阈值时，计算皮带两侧边缘与对应侧预警线的距离，进而判定皮带跑偏方向；本发明通过同时检测拖辊和皮带边缘，准确检出皮带的跑偏方向和角度。

本发明授权一种基于多任务学习的皮带跑偏检测方法及装置在权利要求书中公布了：1.一种基于多任务学习的皮带跑偏检测方法，其特征在于，包括： 获取具有标注信息的若干输入图像并将输入图像分为训练集图像和测试集图像，其中，所述输入图像为拍摄的皮带运行过程图像，所述标注信息包括拖辊、皮带左侧、皮带右侧； 构建基于多任务学习的目标检测模型，采用所述训练集图像和测试集图像对模型进行训练；其中，所述目标检测模型为包含由两个全连接层网络构成的皮带边缘检测头的改进YOLO模型，所述改进YOLO模型的损失函数为YOLO模型损失函数与皮带边缘检测损失函数的联合损失函数； 获取皮带运行的实时图像并输入至所述基于多任务学习的目标检测模型，获得输出图像，所述输出图像为目标检测标注后的实时图像； 根据所述输出图像中标注的目标，计算皮带左侧边缘直线方程和皮带右侧边缘直线方程，确定拖辊位置，进而确定皮带左侧预警线、皮带左侧告警线、皮带右侧预警线、皮带右侧告警线； 计算并判断所述皮带左侧预警线与皮带左侧边缘直线方程的夹角、所述皮带右侧预警线与皮带右侧边缘直线方程的夹角是否不超过夹角阈值，当所述夹角均不超过夹角阈值时分别计算皮带两侧边缘与对应侧预警线的距离，进而根据所述距离与距离阈值的关系判定皮带跑偏方向； 其中，所述改进YOLO模型的损失函数计算如下： 皮带边缘相似度损失函数Lsim的计算公式为： 位置损失函数Lshp的计算公式为： Probi,j,:＝softmaxPi,j,1:w 分类损失函数Lcls的计算公式为： 其中，C表示皮带左、右侧边缘，C＝2；h表示行锚框参数；Pi,j,:表示模型输出的w+1维向量，w＝200，表示第i个皮带边缘，第j列的预测值；Pi,j+1,:表示第i个皮带边缘，第j+1列的预测值；Qi,j,:表示第i个皮带边缘，第j列独热编码标签；k为整数，表示位置索引；LCE表示交叉熵损失函数；Probi,j,:表示不同位置的概率值，范围为1-w；Loci,j表示存在皮带边缘的位置；Pi,j,1:w表示模型输出的w维向量，存在皮带边缘的概率；Probi,j,k表示第k个位置的概率值；Pi,j,k表示第k个位置的模型输出预测值，存在皮带边缘的概率； 皮带边缘检测的损失函数Lline的计算公式为： Lline＝Lshp+βLcls+Lsim 其中，β表示一用于平衡类别损失函数在皮带边缘检测的损失函数中权重的超参数。

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南京北路软件技术有限公司，其通讯地址为：210000 江苏省南京市江宁区滨江经济开发区宝象路50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。