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！

龙图腾网获悉宁波大学科学技术学院申请的专利生产线上产品人工装配流程的自学习及检测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：CN118397662B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202410634132.3，技术领域涉及：G06V40/12；该发明授权生产线上产品人工装配流程的自学习及检测方法是由王贤成;周少燚;苗炳义;叶其晟;黄浪;蒋奕帆;廖紫洋;常冬冬设计研发完成，并于2024-05-21向国家知识产权局提交的专利申请。

本生产线上产品人工装配流程的自学习及检测方法在说明书摘要公布了：本发明公开了一种自学习及检测方法，特别是一种生产线上产品人工装配流程的自学习及检测方法，首先通过OpenCV的边缘检测和矩形检测技术对工作区域进行划分，保存工作区域空间信息，并开始学习和调试阶段；在此阶段，多名熟练工人在工位上模拟装配动作，通过MediaPipe中的手掌识别技术，获取带有方向的手部定位框以定位手掌位置，同时通过比较区域信息，确定手掌的区域和轨迹信息，再对轨迹数据进行对齐以确保时间上的一致；接下来，通过遗传算法找到最优轨迹；在工人实际装配时，MediaPipe会追踪其手掌位置并判断区域信息，然后将其与标准流程进行比较。其解决了“提供生产线上产品人工装配流程的自学习及检测方法”的技术问题，具备更快速、低成本、易推广等优点。

本发明授权生产线上产品人工装配流程的自学习及检测方法在权利要求书中公布了：1.一种生产线上产品人工装配流程的自学习及检测方法，其特征是包括以下的步骤： 在面对新的装配工序时，首先通过OpenCV的边缘检测和矩形检测技术对工作区域进行划分，人工将工作区域分为零件区、传送区和装配区；然后，保存工作区域空间信息，并开始学习和调试阶段； 在此阶段，多名经验丰富的工人在工位上模拟装配动作，通过结合MediaPipe的手掌检测器与BYTE方法，获取带有方向的手部定位框以定位手掌位置；通过比较手掌位置和工作区域空间确定手掌的区域，同时记录轨迹信息；在收集多名工人的手部轨迹数据后，由于每个工人的演示时间可能有所不同，需要使用动态时间规整算法将不同长度的轨迹数据序列在时间上进行拉伸或压缩，以便找到它们之间最佳的匹配，进行对齐以确保时间上的一致； 接下来，使用遗传算法对轨迹参数进行优化搜索，首先将轨迹参数集合初始化为一个种群，定义适应度函数，适应度函数用于评估种群中每个个体的性能，在装配场景中基于装配轨迹的效率和装配路径长度来计算适应度分数，轨迹的效率越高和路径长度越短，适应度分数越高；重复迭代找到适应度最高的个体作为最优轨迹，这个轨迹的区域信息变化顺序代表了装配行为的标准流程，用于指导实际的装配操作，轨迹信息则作为检测操作偏差的参考； 在得到标准流程后，当操作工人进行装配时，继续通过结合MediaPipe的手掌检测器与BYTE方法来追踪其手部轨迹并判断区域信息，然后将其与标准流程进行比较，当工人区域信息变化顺序与标准流程不一致，发出警告提醒工人进行自检，工人完成自检后需反馈自检结果，以确保装配工序的完整性；此外，实时地将捕获到的轨迹与遗传算法确定的标准流程轨迹进行比较，通过动态时间规整算法对实时捕获的轨迹和预设的标准流程轨迹进行时间序列分析，以弹性地对齐轨迹点并衡量它们之间的相似性，并计算两个轨迹之间的最小累积距离，得出它们的相似程度，并将该距离转换成一个相似度评分； 其中，基于MediaPipe手掌识别和BYTE方法的手掌追踪模型实现流程如下： 1.初始化:设置一个空的轨迹集合T，用于存储视频中各个目标的跟踪信息； 2.目标检测:对于视频序列中的每一帧fk，使用手掌检测器Det预测目标的检测框和分数Dk； 3.检测结果分类:将检测结果根据分数阈值τ分为高置信度框Dhigh和低置信度框Dlow； 4.轨迹预测:使用卡尔曼滤波算法预测每个现有轨迹T在当前帧的新位置； 5.第一次数据关联:使用相似度度量ReID将现有轨迹T与高置信度框Dhigh进行关联； 6.更新剩余检测和轨迹:确定在第一次关联后剩余的未匹配检测框Dremain1和未匹配轨迹Tremain1； 7.第二次数据关联:使用另一个相似度度量IoU将未匹配轨迹Tremain1与低置信度框Dlow进行关联； 8.清理未匹配轨迹:从轨迹集合T中删除所有未在第二次关联中匹配的未匹配轨迹Tremain2； 9.初始化新的轨迹:对于第二次关联后剩余的未匹配检测框Dremain2，为每个未匹配检测框Dremain2初始化一个新的轨迹，并将其加入轨迹集合T； 10.返回结果:返回更新后的轨迹集合T，代表视频中所有目标的跟踪路径。

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宁波大学科学技术学院，其通讯地址为：315302 浙江省宁波市慈溪市白沙路街道文蔚路521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。