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！

龙图腾网获悉大连理工大学申请的专利一种基于机器视觉的阀门状态监控和安全联锁方法及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：CN121259753B 。

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：202511820763.5，技术领域涉及：G06V20/52；该发明授权一种基于机器视觉的阀门状态监控和安全联锁方法及系统是由宋学官;曾令杰;马新奥;李梦聪;杜长青;申翔东;丛铭设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本一种基于机器视觉的阀门状态监控和安全联锁方法及系统在说明书摘要公布了：一种基于机器视觉的阀门状态监控和安全联锁方法，属于工业过程控制与安全技术领域。步骤为：第一步，相机标定与模型建立；第二步，图像采集与预处理；第三步，关键图像特征提取与状态决策；第四步，开度计算与状态判断；第五步，安全联锁触发；第六步，数据反馈。通过阀门状态监控和安全联锁系统实现阀门状态监控和安全联锁方法。本发明能够实现阀门开度毫米级甚至亚毫米级位移和角度实时精确测量，实现阀门状态监控，提升生产过程中的稳定性和可靠性；通过实时开度值与来自控制系统的指令开度相比较进行状态判断，生成安全联锁信号并传递到安全联锁系统，最终触发物理安全动作，实现一套完整的安全防护体系，避免事故发生。

本发明授权一种基于机器视觉的阀门状态监控和安全联锁方法及系统在权利要求书中公布了：1.一种基于机器视觉的阀门状态监控和安全联锁方法，其特征在于，所述阀门状态监控和安全联锁方法包括以下步骤： 第一步，相机标定与模型建立；通过工业相机标定和手眼标定确定工业相机的内外参数，建立工业相机与阀门的相对位置关系，并针对不同类型的阀门，构建阀门运动部件视觉特征与其实时开度之间的阀门运动-像素映射模型，其中阀门运动部件视觉特征指像素坐标； 第二步，图像采集与预处理；基于第一步获得的工业相机内外参数，通过部署在阀门附近的工业相机实时采集阀门的原始视觉图像，并将采集到的原始视觉图像进行预处理得到高质量图像； 第三步，关键图像特征提取与状态决策；基于第二步获得的优化处理后的高质量图像，通过传统算法和深度学习两条并行路径进行并行快速检测和ROI内精细特征提取，提取出能够表征阀门关键部件的关键图像特征，其中阀门关键部件指阀杆、手轮、执行器，关键图像特征指精确位置、姿态和运动信息；将两条并行路径的关键图像特征进行多模态特征融合，并执行状态决策，最终得到最优的阀门状态估计，实现阀门状态监控；具体的： 步骤3.1，采用传统算法和深度学习两条并行路径进行并行快速检测；基于第二步获得的预处理后的高质量图像，在毫秒级时间内，从整幅图像中定位阀门所在的区域；具体如下： 路径1：传统算法；基于第二步获得的预处理后的高质量图像，并行使用Canny算子进行快速边缘检测，随后提取所有轮廓；根据阀门的先验几何特征对轮廓进行筛选和初定位，输出几个候选区域，得到路径1的输出结果； 路径2：深度学习；基于第二步获得的预处理后的高质量图像，将高质量图像缩放至较低分辨率，输入一个轻量化的卷积神经网络进行快速推理，输出一个粗糙的阀门区域热力图或边界框，即得到路径2的输出结果； 步骤3.2，ROI确定；基于步骤3.1获得的两条路径的输出结果，采取择优切换策略计算出一个能够完整包裹目标阀门的最小矩形区域，即ROI，并将此ROI传递给后续阶段； 步骤3.3，ROI内精细特征提取；基于步骤3.2确定的ROI，同时执行传统算法和深度学习两条并行路径； 路径1：传统算法；基于步骤3.2确定的ROI，对步骤1.3中设置的视觉标记点进行亚像素级的精确定位；设视觉标记点像素坐标为，如果标记是预设的特定图案，则采用模板匹配或标记检测库进行快速、高精度的位姿估算； 为估计阀杆、手轮或执行器上特征点的运动速度和方向，以判断阀门的运动趋势，并最终获得阀门的关键图像特征，采用Lucas-Kanade光流法跟踪，得到特征点的光流矢量；通过跟踪多个特征点的光流矢量，获得阀门的关键图像特征，输出跟踪到的特征点像素坐标，精确判断阀门的运动趋势和阀门是处于静止、开启还是关闭状态； 路径2：深度学习；基于步骤3.2确定的ROI，进行高精度分割； 首先，裁剪ROI区域并缩放至标准尺寸，输入到U-Net神经网络中进行语义分割； 随后，进行U-Net神经网络输出与后处理；U-Net神经网络输出每个像素的类别概率，并生成最终的分割掩膜；随后对分割出的目标区域进行形态学闭运算以填充空洞，并计算其质心坐标，得到阀门的关键图像特征； 步骤3.4，多模态特征融合；基于步骤3.3获得的两条并行路径的结果，进行特征对齐与比对，具体的：将传统算法路径跟踪到的特征点像素坐标与深度学习路径分割得到的质心坐标进行比对，计算两者之间的欧氏距离； 步骤3.5，状态决策；基于步骤3.4获得的欧氏距离d，进行置信度评估与仲裁； 当步骤3.4得到的欧氏距离d小于或等于预设阈值，其中且光流矢量的方向与预期阀门运动方向相符，则判定两条并行路径结果一致，置信度结果记录为高置信度状态；最终输出特征点坐标由传统算法路径跟踪到的特征点像素坐标和深度学习路径分割得到的质心坐标加权平均得到： 10； 11； 其中，分别是最终输出特征点的x轴、y轴坐标；为传统算法加权系数，为深度学习加权系数； 当步骤3.4得到的欧氏距离d大于预设阈值，其中预设阈值范围为，则启动仲裁机制，检查两条并行路径的内部置信度； 步骤3.6，基于步骤3.5得到的最终输出特征点坐标和置信度结果，将其输出进行后续计算，得到最优的阀门状态估计，实现阀门状态监控； 第四步，开度计算与状态判断；基于第三步获得的最终输出特征点坐标，根据第一步建立的阀门运动-像素映射模型，计算阀门的实时开度，并通过状态判断输出最终的安全决策信号； 第五步，安全联锁触发；基于第四步获得的安全决策信号，生成安全联锁信号，将其及时传递到安全联锁系统，并最终触发物理安全动作； 第六步，数据反馈；基于第五步的安全联锁信号触发安全联锁系统发送报警事件，内容包括异常画面截图、异常类型、时间戳和处理措施；待联锁动作完成后，安全联锁系统反馈一个联锁已执行的状态信号，用于完善整个阀门状态监控和安全联锁自身的状态机制管理。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。