Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 敬科(深圳)机器人科技有限公司孙敬颋获国家专利权

敬科(深圳)机器人科技有限公司孙敬颋获国家专利权

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!

龙图腾网获悉敬科(深圳)机器人科技有限公司申请的专利面向机床上下料的物料状态视觉感知识别方法及相关设备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:CN121305506B

龙图腾网通过国家知识产权局官网在2026-03-06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:202511870310.3,技术领域涉及:G06V20/56;该发明授权面向机床上下料的物料状态视觉感知识别方法及相关设备是由孙敬颋;陈辉;郭廷山;刘晨璐设计研发完成,并于2025-12-12向国家知识产权局提交的专利申请。

面向机床上下料的物料状态视觉感知识别方法及相关设备在说明书摘要公布了:本申请涉及视觉感知与机器人上下料技术领域,尤其涉及面向机床上下料的物料状态视觉感知识别方法及相关设备。其中,所述方法包括:采集料框内物料实时图像,通过融合深度学习与传统视觉特征提取的预训练混合识别模型处理,按分类结果分支处理;对正常物料局部图像做场景适配优化,提取轮廓特征及关键几何参数,与标准参数库比对判定姿态,整合结果输出综合识别结果。还包含模型预训练、参数库构建等步骤,可准确识别物料状态并精准定位,适应多工况且动态适配变化,为机床控制系统提供有效信息。

本发明授权面向机床上下料的物料状态视觉感知识别方法及相关设备在权利要求书中公布了:1.面向机床上下料的物料状态视觉感知识别方法,其特征在于,包括: 采集机床上下料场景中料框内物料的实时图像,所述实时图像包含物料的形态及场景环境信息; 调用预训练的混合识别模型对所述实时图像进行处理,所述混合识别模型融合深度学习目标检测与传统视觉特征提取算法,输出物料的初始分类结果及特征区域标识,所述初始分类结果包括正常待处理物料、异常状态物料; 根据初始分类结果执行分支处理:若为异常状态物料,直接输出包含异常类型的状态信息;若为正常待处理物料,提取所述特征区域标识对应的局部图像区域; 针对所述局部图像区域执行场景适配优化处理,所述处理包括基于物料表面特性的自适应降噪及对比度增强; 对所述局部图像区域进行像素亮度分析,识别出物料表面的高光区域与非高光区域,其中高光区域为因金属反光或油污反光形成的高亮度像素集群; 对高光区域采用双边滤波算法进行降噪处理,通过保持边缘权重因子抑制噪声的同时保留特征边缘信息; 对非高光区域采用高斯滤波算法进行降噪处理,通过预设的高斯核函数对像素值进行加权平均以抑制随机噪声; 对降噪后的局部图像区域采用局部直方图均衡化或乘法图像融合算法执行对比度增强处理,提升特征区域与背景区域的灰度差异,其中特征区域为包含预设几何特征的图像子区域; 从优化后的局部图像区域中提取物料的轮廓特征及至少两类关键几何参数,所述关键几何参数包括特征间相对位置关系及特征尺寸; 采用Sobel算子对优化后的局部图像区域进行卷积运算,获取x方向和y方向的梯度分量; 基于所述梯度分量计算像素点的梯度强度和梯度方向,通过非极大值抑制处理将边缘细化为单像素宽度; 采用双阈值筛选机制保留有效边缘,将梯度强度大于高阈值的像素判定为强边缘,保留梯度强度介于高低阈值之间且与强边缘连通的弱边缘; 基于有效边缘提取物料的亚像素轮廓,并从轮廓中提取关键几何参数; 将所述关键几何参数与预设的标准参数库进行多维度比对,结合比对偏差值判定物料的空间姿态; 整合姿态判定结果与特征区域的坐标信息,输出包含物料状态及精准定位的综合识别结果。

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敬科(深圳)机器人科技有限公司,其通讯地址为:518051 广东省深圳市南山区桃源街道长源社区学苑大道1001号南山智园A3栋4层02房;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。