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！

龙图腾网获悉三门通顺铆钉有限公司申请的专利仿生服务型人形机器人头部结构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：CN118952165B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411005219.0，技术领域涉及：B25J9/00；该发明授权仿生服务型人形机器人头部结构是由李政冀设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本仿生服务型人形机器人头部结构在说明书摘要公布了：本发明公开了仿生服务型人形机器人头部结构,包括头颅结构、感官系统、与感官系统连接的口部系统、视觉系统、鼻部系统和耳部系统，感官系统包括感知中心、传感器网络、信号处理单元和执行单元，传感器网络与信号处理单元连接，信号处理单元与感知中心连接，感知中心与执行单元连接，本发明通过感知中心、传感器网络、信号处理单元和执行单元构成感官系统对外界环境变化能做出及时有效的反馈，大大提高了与外界交互能力；同时根据味觉传感器使人形机器人实现在没有人类试验者的情况下测试和评估食品，味觉感知系统能够模拟人类味觉感知系统的功能，从而自动化地评估食品的味道。

本发明授权仿生服务型人形机器人头部结构在权利要求书中公布了：1.仿生服务型人形机器人头部结构,其特征在于：包括头颅结构、感官系统、与感官系统连接的口部系统、视觉系统、鼻部系统和耳部系统，感官系统包括感知中心、传感器网络、信号处理单元和执行单元，传感器网络与信号处理单元连接，信号处理单元与感知中心连接，感知中心与执行单元连接； 传感器网络包括若干传感器，捕获外部环境的信息； 信号处理单元用于接收来自传感器网络的原始信号，进行信号处理和预处理，并将处理后的信号传输至感知中心； 感知中心接收处理后的信号，进行分析和决策，获取外部环境的状态和所需响应； 执行单元接收感知中心的指令，执行相应的动作或任务，所述传感器网络包括视觉传感器，信号处理单元包括中央处理单元和图形处理单元，图形处理单元和视觉传感器构成视觉录像循迹系统，视觉传感器捕获周围环境的视觉信息并将其传输至图形处理单元进行分析、识别和跟踪，图形处理单元内置图像处理算法，视觉传感器捕获连续的图像帧，通过图像处理算法识别和提取出需要的图像或对象，具体包括以下步骤： 步骤S1：视觉传感器捕获环境中的实时图像或视频并将其传输至图形处理单元； 步骤S2：图像处理算法对捕获的图像进行预处理； 步骤S3：特征提取：从预处理后的图像中提取特定的信息； 特征提取的方法包括基于边缘检测算法的边缘检测、基于角点检测算法的角点检测、基于纹理分析算法的纹理分析； 步骤S4：物体识别； 使用设定的机器学习模型识别和分类图像中的对象； 基于神经网络多模型特征融合的图像识别算法的数学模型，整合来自多个传感器的图像特征，具体来说： 假设传感器数量为n，每个传感器可以捕获图像并提取图像特征，设第i个传感器捕获的图像特征表示为其中i∈{1，2，...，n}；将这些图像特征整合到一个特征向量中，表示为x∈Rm，其中建立深度神经网络来进行图像识别，其结构如下： h＝σW1x+b1y＝softmaxW2h+b2其中，是模型预测的类别概率分布，h表示隐藏层偏置向量，W1∈Rh×m和W2∈Rk×h分别表示输入层到隐藏层和隐藏层到输出层的权重矩阵，Rh×m表示输入层到隐藏层的权重矩阵，Rk×h表示隐藏层到输出层的权重矩阵，b1∈Rh和b2∈Rk分别表示隐藏层和输出层的偏置向量，k表示输出层偏置向量，Rh表示输入层的权重矩阵，Rk表示隐藏层的权重矩阵；σ表示激活函数，softmax表示softmax函数； 为了训练神经网络，使用交叉熵损失函数： 其中，y是模型预测的类别概率分布，是真实的类别标签，j表示类别索引； 通过梯度下降法来最小化损失函数，即更新权重和偏置： 其中，α是学习率，分别是损失函数对权重矩阵W1、W2和偏置向量b1、b2的梯度； 使用一个深度卷积神经网络CNN来进行图像识别；CNN包含多个卷积层、池化层和全连接层，用于提取图像特征和进行分类；设CNN的输入为x，输出为y∈Rk，表示图像的类别预测结果； CNN的输出y可以表示为： h1＝ReLUW1x+b1h2＝MaxPoolingh1h3＝ReLUW2h2++b2h4＝MaxPoolingh3h5＝ReLUW3h4+b3h6＝Flattenh5y＝SoftmaxW4h6+b4其中，b3、b4是偏置向量，W3、W4是权重矩阵，ReLU 表示修正线性单元激活函数，MaxPooling 表示最大池化操作，Flatten 表示将多维数据展平成一维向量，Softmax 表示softmax函数； 使用交叉熵损失函数来衡量模型预测结果与真实标签之间的差异： 其中，y是模型预测的类别概率分布，是真实的类别标签，k表示类别数量，j是模型起始参数值； 通过梯度下降法来最小化损失函数，即更新权重和偏置： 其中，α是学习率，和分别表示损失函数对权重矩阵W1和偏置向量b1的梯度； 步骤S5：物体定位和跟踪； 对象识别后，基于边界框确定对象在图像中的具体位置，边界框框出图像中的每个识别对象对其进行定位； 步骤S6：输出结果； 图形处理单元将识别和定位的结果输出至感知中心，感知中心对结果进行分析，判断是否生成相应的决策，若是，调整参数，执行步骤S2，对新捕获的图像进行处理，若否，调整模型，调用深度学习模型，执行步骤S4； 所述机器人检测到有人或物体进入其周围环境时，视觉录像循迹系统开始捕获图像，并将其传输给感知中心进行分析，若感知中心确定需要调整视线方向以跟踪目标，发送相应的控制指令给眼活动组件触发眼球运动；眼部运动的触发主要包括目标检测、目标重要性评估、目标移动的分析，以及当前任务的优先级和要求，具体包括以下步骤； 步骤A1.目标检测与确认： 1.1.检测：视觉录像循迹系统检测图像中的人或物体； 1.2.确认：确认检测到的对象是否符合跟踪的条件和特征； 步骤A2.目标重要性与优先级评估：

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三门通顺铆钉有限公司，其通讯地址为：317100 浙江省台州市三门县珠岙镇坎头路8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。