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！

龙图腾网获悉中南大学申请的专利基于伪标签对比学习的泡沫浮选未知工况识别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：CN120580560B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510665792.2，技术领域涉及：G06V10/82；该发明授权基于伪标签对比学习的泡沫浮选未知工况识别方法是由谢世文;黄浩;谢永芳;吴宗泽;唐朝晖设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于伪标签对比学习的泡沫浮选未知工况识别方法在说明书摘要公布了：本发明公开了一种基于伪标签对比学习的泡沫浮选未知工况识别方法，涵盖泡沫视频的采集与处理、伪标签的生成与优化以及特征对齐与模型训练等关键环节。针对目标域样本，通过生成伪标签和置信度，根据置信度分别对高置信度和低置信度样本进行优化。高置信度样本通过数据增强提升模型泛化能力，低置信度样本通过聚类生成伪标签并识别未知类别。结合构建的伪标签队列，采用对比学习方法实现源域与目标域特征对齐，增强模型对已知类别的分类精度以及对未知类别的识别能力。本发明减少了对人工标注的依赖，有效地解决了浮选工业中因工况复杂性与不确定性引发的未知工况识别难题，推动浮选过程的智能化发展。

本发明授权基于伪标签对比学习的泡沫浮选未知工况识别方法在权利要求书中公布了：1.一种基于伪标签对比学习的泡沫浮选未知工况识别方法，其特征在于，包括如下步骤： 步骤一、构建样本集： 获得泡沫浮选的源域样本集和目标域样本集；所述源域样本集为进行工况标注的标注样本的集合，目标域样本集为未进行工况标注的未标注样本的集合； 步骤二、构建分类模型： 所述分类模型包括CNN网络、多个GRU组成的时间感知递归网络、由一个全连接层与softmax层构成的分类器；所述CNN网络用于对源域样本和目标域样本进行图像特征提取；所述时间感知递归网络结合时间窗口滑动技术生成一个时间窗口特征序列，并提取特征序列的时序特征；分类器用于根据时序特征进行分类，生成分类的标签与置信度； 步骤三、预训练： 将源域样本集输入所述分类模型，使得预训练损失函数最小得到预训练好的分类模型； 步骤四、生成伪标签队列Q： 将目标域样本集输入预训练好的分类模型得到各个目标域样本的伪标签与置信度si，并根据置信度si划分为高置信度样本与低置信度样本；对高置信度样本与低置信度样本进行数据处理生成伪标签队列Q； 步骤五、训练预训练好的分类模型： 将伪标签队列Q输入预训练好的对比学习模型框架，使得总损失函数收敛，得到训练好的分类模型； 步骤六、进行未知工况识别： 将未知工况的泡沫浮选视频输入训练好的分类模型，得到对应的分类标签与置信度； 所述步骤三中，所述预训练损失函数为交叉熵损失函数 其中，|Ns|代表源域样本个数，C代表已知工况分类类别数，yi,c代表第i个样本的真实分类标签，pi,c代表第i个样本被分类成第c类的概率。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。