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！

龙图腾网获悉福州大学申请的专利基于红外时序显著目标分割的浮选泡沫稳定度估计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：CN119810596B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202411892597.5，技术领域涉及：G06V10/776；该发明授权基于红外时序显著目标分割的浮选泡沫稳定度估计方法是由廖一鹏;廖玉华;唐倩;董则希;高跃明设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于红外时序显著目标分割的浮选泡沫稳定度估计方法在说明书摘要公布了：本发明提出一种基于红外时序显著目标分割的浮选泡沫稳定度估计方法，首先，采用基于ConvNeXt网络设计的U型网络，在编码器中嵌入ConvLSTM网络中以实现时间序列红外显著性信息提取，并将交叉注意力机制添加到ConvNeXt网络中用以实现红外显著性区域初定位；其次，构建U型编码器‑解码器结构的残差细化网络，深度学习显著图与真值之间的残差以改善显著区域的边缘细节，实现时序显著目标的精细化分割最后，根据显著目标分割结果计算泡沫稳定度，并统计不同工况下泡沫稳定度在时间序列上的偏离度和异常阈值，通过对泡沫红外视频图像进行显著区域检测以实现对合并及破裂气泡的分割，根据分割结果进行泡沫稳定性的评估。

本发明授权基于红外时序显著目标分割的浮选泡沫稳定度估计方法在权利要求书中公布了：1.基于红外时序显著目标分割的浮选泡沫稳定度估计方法，其特征在于，包括以下步骤： 步骤1：将热红外成像仪采集的红外泡沫视频按帧数提取为图像并进行训练集和测试集的划分，使用Lableme手动分割出显著性区域； 步骤2：以测试集的图像作为输入，输入到训练好的网络模型，运用添加双重交叉注意力模块以及ConvLSTM的ConvNeXt网络，实现时间序列红外显著性区域的初定位； 步骤3：构建U型编码器-解码器结构的残差细化网络，深度学习显著图与真值之间的残差以改善显著区域的边缘细节，实现时序显著目标的精细化分割； 步骤4：根据显著目标分割结果计算泡沫稳定度，并统计不同工况下泡沫稳定度在时间 序列上的偏离度和异常阈值T； 所述步骤2中，首先在原始ConvNeXt网络中添加一个“解码器”部分，而原始结构用作的“编码器”部分；重新设计的ConvNeXt网络满足“编解码器”的结构；在“解码器”部分，每个上采样块包含一个3×3卷积、一个BN层、一个GELU层和一个1×1卷积； 采用双重交叉注意力模块DCA，用于提取“编码器”中多尺度特征的通道维度和空间维度的相互依赖性；采用的双重交叉注意力模块DCA将前三个阶段的多尺度特征作为输入，生成增强表示，并将它们连接到对应的三个解码器阶段；双重交叉注意力模块DCA模块分为第一阶段以及第二阶段；第一阶段包含一个多尺度PatchEmbedding，用于获取“编码器”tokens；在第二阶段，对“编码器”tokens使用DCA机制，通过通道交叉注意力模块CCA和空间交叉注意力模块SCA模块来捕获不同尺度特征之间的关系；最后，应用LayerNorm和GeLU，并对这些tokens进行上采样，以便将它们连接到对应的“解码器”部分； 通道交叉注意力模块CCA将tokensi=1,2，.，n沿着通道维度拼接创建keys和 values，同时使用作为queries，使用1×1深度卷积对tokens进行变换； 其中，,,,分别代表queries,keys,values矩阵，是缩放因子，代表1×1深度卷积； SCA模块将来自CCA模块的输出沿通道维度拼接后的tokens作 为queries和keys，而使用每个tokens作为values，使用1×1深度卷积对tokens进行变 换； 其中，,,,分别代表queries,keys,values矩阵，是缩放因子，代表1×1深度卷积； 所述步骤2中，ConvNeXt网络编码器最后一个stage插入ConvLSTM；ConvLSTM将LSTM中 的2D的输入转换成了3D的张量，ConvLSTM利用三个卷积门来控制单元内的信号流， ConvLSTM输出一个隐藏状态，并使用一个记忆单元来控制状态的更新和输出: 式中：分别是ConvLSTM模型中输入门、遗忘门和输出门，为sigmoid函数，是的激活函数，双曲正切函数是的激活函数；‘∗’表示卷积运算符以及‘’代表哈 达玛积；将ConvNeXt网络中最后一层的编码器提取的初始显著性信息输入至ConvLSTM，从 而实现时序显著性信息的提取。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。