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！

龙图腾网获悉厦门喵宝科技有限公司申请的专利一种热敏打印机打印头检测温度的校准方法、装置及热敏打印机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：CN113673682B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202110971088.1，技术领域涉及：G06N3/0499；该发明授权一种热敏打印机打印头检测温度的校准方法、装置及热敏打印机是由洪家桦;谢发炎;吴涛设计研发完成，并于2021-08-23向国家知识产权局提交的专利申请。

本一种热敏打印机打印头检测温度的校准方法、装置及热敏打印机在说明书摘要公布了：本发明公开了一种热敏打印机打印头检测温度的校准方法、装置及热敏打印机，所述热敏打印机打印头检测温度的校准方法，所述校准方法包括：获取各个温度下温度传感器的热敏电阻的电阻值，得到热敏电阻的电阻值与温度之间的对应关系；建立BP神经网络，采用所述热敏电阻的电阻值与温度之间的对应关系进行模型训练，得到热敏电阻的校准神经网络模型；将获取的热敏电阻的电阻值输入到校准神经网络模型中输出校准的检测温度。本发明通过将获取的热敏电阻的电阻值输入到校准神经网络模型中输出校准的检测温度，实现通过软件算法进行热敏电阻的校准方式，不需要增加硬件成本，提高热敏电阻的温度检测的准确性。

本发明授权一种热敏打印机打印头检测温度的校准方法、装置及热敏打印机在权利要求书中公布了：1.一种热敏打印机打印头检测温度的校准方法，其特征在于，所述校准方法包括： 获取各个温度下温度传感器的热敏电阻的电阻值，得到热敏电阻的电阻值与温度之间的对应关系； 建立BP神经网络，采用所述热敏电阻的电阻值与温度之间的对应关系进行模型训练，得到热敏电阻的校准神经网络模型； 将获取的热敏电阻的电阻值输入到校准神经网络模型中输出校准的检测温度； 根据热敏电阻的具体型号配置相应的校准神经网络，且针对校准神经网络的参数进行初始化设计，设定校准神经网络输入的电阻值的范围区间，当温度传感器的电阻值在所述范围区间时被输入至校准神经网络进行校准输出对应的温度值，当温度传感器的电阻值不处于所述范围区间时，热敏打印机进行提醒； 所述温度传感器检测温度时，将获取的热敏电阻的电阻值输入到校准神经网络模型中输出校准的检测温度包括： 将测量的热敏电阻的电阻值R传入校准神经网络模型； 对传入的电阻值R进行归一化处理，按照校准神经网络模型的正向传播计算输出层的神经元输出yk； 针对输出yk进行数据还原得到校准后的实际温度值T； 所述针对输出yk进行数据还原得到校准后的实际温度值T包括： 通过数据还原函数T＝yk×Tmax-Tmin+Tmin针对输出yk进行数据还原计算，其中，Tmin和Tmax为学习训练校准神经网络模型过程中的最小温度值和最大温度值； 所述的一种热敏打印机打印头检测温度的校准方法，还包括针对校准神经网络模型进行准确性校验： 利用热敏电阻计算公式生成设定温度范围内、设定温度间隔的温度与电阻值之间的对应关系数据，将对应关系数据输入至校准神经网络模型进行训练生成拟合曲线，将拟合曲线与温度与电阻值之间的对应关系数据对应的R-T特性曲线进行重合度比对，校验校准神经网络模型的准确性； 所述建立BP神经网络包括： 定义网络结构，包括输入层、隐含层及输出层，所述输入层包括至少三个均输入电阻值R的输入层输入端，所述隐含层包括至少三个神经元，每个神经元分别具有与输入端数量相对应的隐含层输入端，每个神经元的各个隐含层输入端分别与输入层输入端一一对应连接，所述输出层包括一个输出温度T的神经元； 所述建立BP神经网络包括： 定义激励函数f′x＝y1-y； 信号正向传播，输入层神经元：输入值xi＝R，输出值yi＝xi；隐含层神经元：输入值输出值输出层神经元：输入值输出值 误差信号反向传播，输出神经元误差E，dk表示真实正确结果，就是训练数据中的温度T，神经元误差权值wkj的误差量权值wji的误差量 加入学习速率η表示学习速率，选取0-1之间的数； 所述采用所述热敏电阻的电阻值与温度之间的对应关系进行模型训练，得到热敏电阻的校准神经网络模型包括： 参数初始化：设置神经元的权重值、误差精度e及训练次数N； 导入训练样本：将热敏电阻的电阻值与温度之间的对应关系的训练样本导入BP神经网络； 归一化处理：对训练样本数据进行归一化处理； 计算输出：按照所述BP神经网络的信号正向传播，将归一化处理之后的数据yu作为输入数据送入神经网络，计算出隐含层的神经元输出yj和输出层的神经元输出yk； 计算神经元误差：按照所述BP神经网络的误差信号反向传播，计算出权重值的误差Δwkj和Δwji； 更新权重值：根据计算出的权重值的误差，更新隐含层和输出层的权重值wkj＝wkj+Δwkj、wji＝wji+Δwji； 误差精度判断：判断当前的误差精度是否达到要求若达到精度要求则结束训练，若未达到精度要求，则进一步判断是否达到训练次数N，若达到训练次数N，则结束训练，若未达到训练次数N，则返回至计算输出继续训练。

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厦门喵宝科技有限公司，其通讯地址为：361006 福建省厦门市集美区火炬高新区创业园轩业楼3124室；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。