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！

龙图腾网获悉浙江大学申请的专利一种锥齿轮缺陷检测的人工智能识别方法和系统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：CN121211232B 。

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：202511771381.8，技术领域涉及：G06F18/2431；该发明授权一种锥齿轮缺陷检测的人工智能识别方法和系统是由陈晖;杨建义设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种锥齿轮缺陷检测的人工智能识别方法和系统在说明书摘要公布了：本发明公开了一种锥齿轮缺陷检测的人工智能识别方法和系统，涉及机械零件AI检测领域。本方法通过工业相机和振动传感器采集多模态数据，采用动态感受野注意力CNN提取图像特征，用自适应噪声辅助EMD算法提取振动特征，经双模态注意力融合算法获综合特征；构建带Dropout‑L2正则化的DBN模型，结合余弦退火‑动量自适应学习率训练，实现缺陷检测。本发明解决现有算法单模态依赖、效率低、小样本泛化弱的问题，主要用于锥齿轮表面及内部缺陷的高效、精准检测，适用于汽车、航空航天等领域的锥齿轮质量管控。

本发明授权一种锥齿轮缺陷检测的人工智能识别方法和系统在权利要求书中公布了：1.一种锥齿轮缺陷检测的人工智能识别方法，其特征在于，该方法包括： S1、进行锥齿轮图像和锥齿轮振动信号的采集，建立数据集； S2、构建改进型CNN并基于数据集进行训练，使用训练好的改进型CNN对锥齿轮图片进行特征提取，在特征提取过程中引入可变形卷积核调整采样位置，最终将浅层特征和深层特征融合，得到锥齿轮图像特征向量； 所述改进型CNN对锥齿轮图片进行特征提取具体包括： 在CNN的第3-5层中引入可变形卷积核，通过采样偏移量调整感受野范围； 浅层特征和深层特征融合具体为：将第1-2层提取的边缘特征与第4-5层提取的语义特征通过通道注意力门控融合； S3、对锥齿轮原始振动信号中添加噪声，生成新信号并通过遗传算法进行优化；进行经验模式分解和希尔伯特变换，提取特征参数得到振动特征向量； S4、对图像特征向量和振动特征向量进行加权注意力融合，得到融合特征向量计算； S5、构建改进深度信念网络并基于数据集进行训练，所述改进深度信念网络中的受限玻尔兹曼机层之间添加Dropout层，受限玻尔兹曼机层权重施加L2正则化，使用训练后的改进深度信念网络对融合特征向量进行锥齿轮缺陷分类；所述改进深度信念网络在训练过程中使用余弦退火-动量自适应学习率更新学习率和动量；所述改进深度信念网络中的受限玻尔兹曼机层之间添加Dropout层中，应用0-1掩码矩阵，随机丢弃30%的隐藏层节点； 所述余弦退火-动量自适应学习率中，学习率更新使用余弦退火方式，动量更新如下： ； 其中，为动量系数，为当前参数的梯度，t为当前迭代次数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。