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！

龙图腾网获悉合肥赛为智能有限公司申请的专利一种基于对比学习的输送带磨损识别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：CN116543195B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310336426.3，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的输送带磨损识别方法是由郑博超;胡懋成;王秋阳;汪玉冰;凤阳设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于对比学习的输送带磨损识别方法在说明书摘要公布了：一种基于对比学习的输送带磨损识别方法，包括以下步骤：S1、将训练样本图片通过N个串联的MobileConvNeXt特征提取模块和T个SwinTransformer特征提取模块、注意块来进行对比学习训练；S2、在注意块AttentionBlock后增加分类头，所述分类头包括两层MLP、sigmoid函数，所述sigmoid函数输出二分类结果；S3、进入预测阶段，设置预测置信度阈值，将图片及热力图采集设备固定一定的角度对需要采集的设备进行定点拍摄，获取对应器件的RGB三通道图片以及对应的单通道热力图，将二者融合图输入步骤S2获得的模型中进行气体溢出分类预测。该方法可以基于无监督的方式进行特征提取，减少了人工标注成本同时可以提取更为丰富的特征信息，同时基于自监督学习的方法可以更好的加快模型训练收敛速度。

本发明授权一种基于对比学习的输送带磨损识别方法在权利要求书中公布了：1.一种基于对比学习的输送带磨损识别方法，其特征在于，包括以下步骤： S1、将训练样本图片通过N个串联的MobileConvNeXt特征提取模块和T个SwinTransformer特征提取模块、注意块来进行对比学习训练； S2、在注意块AttentionBlock后增加分类头，所述分类头包括两层MLP、sigmoid函数，两层MLP之间通过relu激活函数连接，所述sigmoid函数输出二分类结果； S3、进入预测阶段，设置预测置信度阈值，将图片及热力图采集设备固定一定的角度对需要采集的设备进行定点拍摄，获取对应器件的RGB三通道图片以及对应的单通道热力图，将二者融合图输入步骤S2获得的模型中进行气体溢出分类预测； 步骤S1具体为 S11、通过N个串联的MobileConvNeXt特征提取模块和T个SwinTransformer特征提取模块对应得到特征以及特征； S12、在注意块AttentionBlock中，将输出特征和特征通过concate模块进行合并得到特征，并将特征输入至VAN网络得到特征； N个串联的MobileConvNeXt特征提取模块得到特征的具体步骤如下： SA111、将训练样本图片首先通过3*3卷积子模块，然后将卷积获得的特征输入至中layernorm子模块得到特征 SA112、将输入到空间可分离卷积子模块中得到特征，所述空间可分离卷积子模块的卷积核为4，步长为4； SA113、将特征输入到ASPP子模块中得到特征图；特征分别输入到空洞率为6、12以及18的空洞卷积单元分别得到特征图,,，同时，特征逐次经过1x1最大池化单元、第一1x1卷积单元、上采样单元后得到特征图;将特征图,,和特征图进行第一合并单元后经过第二1x1卷积单元，最终得到特征图； SA114、将特征图输入到第一深度可分离卷积子模块中得到特征，将特征图输入到线性子模块进行4倍升维，得到特征，然后将特征输入到激活函数得到特征，最后将该特征乘theta得到特征； SA115、将特征与特征经过第二合并子模块进行合并的到该网络最终输出特征; SA116、将步骤SA115中的特征替换步骤SA11中的训练样本图片作为输入，重复步骤SA111-SA115，得到特征，循环N次，直至得到特征。

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合肥赛为智能有限公司，其通讯地址为：230000 安徽省合肥市高新区创新大道666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。