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！

龙图腾网获悉电子科技大学中山学院申请的专利基于多模态融合的深井铸造铝液泄漏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：CN120892998B 。

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：202511324874.7，技术领域涉及：G06F18/25；该发明授权基于多模态融合的深井铸造铝液泄漏检测方法是由彭程设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本基于多模态融合的深井铸造铝液泄漏检测方法在说明书摘要公布了：本发明提供一种基于多模态融合的深井铸造铝液泄漏检测方法，涉及有色金属铸造安全监控技术领域，其包括：获取历史数据集；历史数据集包括视觉样本数据、红外样本数据、声学样本数据和标签数据；构建深井铸造过程中的铝液泄漏检测模型；基于历史数据集对铝液泄漏检测模型进行训练，得到训练好的铝液泄漏检测模型；获取深井铸造过程中的视觉数据、红外数据和声学数据；将视觉数据、红外数据和声学数据输入到训练好的铝液泄漏检测模型中，得到铝液泄漏检测结果。本发明能将视觉、红外和声学多模态数据的编码、融合和跨模态交互，让不同模态信息互补，挖掘数据深层关联，实现深井铸造铝液泄漏的精准检测。

本发明授权基于多模态融合的深井铸造铝液泄漏检测方法在权利要求书中公布了：1.一种基于多模态融合的深井铸造铝液泄漏检测方法，其特征在于，其包括： 获取历史数据集；所述历史数据集包括视觉样本数据、红外样本数据、声学样本数据和标签数据； 构建深井铸造过程中的铝液泄漏检测模型；基于所述历史数据集对所述铝液泄漏检测模型进行训练，得到训练好的所述铝液泄漏检测模型； 所述铝液泄漏检测模型包括第一检测分支、第二检测分支、第三检测分支、融合模块、跨模态交互模块和输出模块； 所述第一检测分支用于对所述视觉样本数据进行处理，得到视觉特征；所述第二检测分支用于对所述红外样本数据进行处理，得到红外特征；所述融合模块用于对所述视觉特征和所述红外特征进行融合，得到初始融合特征； 所述第三检测分支用于对所述声学样本数据进行处理，得到声学特征； 所述跨模态交互模块用于对所述初始融合特征和所述声学特征进行跨模态和跨注意力融合，得到最终融合特征；所述输出模块用于根据所述最终融合特征得到铝液泄漏检测结果； 获取深井铸造过程中的视觉数据、红外数据和声学数据；将所述视觉数据、所述红外数据和所述声学数据输入到训练好的所述铝液泄漏检测模型中，得到铝液泄漏检测结果； 所述第一检测分支包括第一编码器、第一卷积层和第二卷积层； 所述第一编码器用于对所述视觉样本数据进行编码处理，得到第一编码特征； 所述第一卷积层用于对所述第一编码特征进行卷积处理，得到第一卷积特征； 所述第二卷积层用于对所述第一卷积特征进行卷积处理，得到所述视觉特征； 所述第二检测分支包括第二编码器、第三卷积层和第四卷积层； 所述第二编码器用于对所述红外样本数据进行编码处理，得到第二编码特征； 所述第三卷积层用于对所述第二编码特征进行卷处理，得到第二卷积特征； 所述第四卷积层用于对所述第二卷积特征进行卷积处理，得到所述红外特征； 所述融合模块包括第一融合单元、第二融合单元和第三融合单元； 所述第一融合单元、所述第二融合单元和所述第三融合单元的结构相同； 所述第一融合单元包括卷积结构、融合结构、残差连接及层归一化结构和第一前馈神经网络结构； 所述卷积结构包括第一输入卷积层和第二输入卷积层；所述卷积结构用于对所述第一编码特征进行卷积处理，得到第三卷积特征；所述第二输入卷积层用于对所述第二卷积特征进行卷积处理，得到第四卷积特征； 所述融合结构用于对所述第三卷积特征和所述第四卷积特征进行逐元素相加，得到初始第一融合特征；所述残差连接及层归一化结构用于对所述初始第一融合特征残差连接和层归一化处理，得到归一化特征； 所述第一前馈神经网络结构用于对所述归一化特征进行非线性变换，得到第一融合特征； 所述第二融合单元用于对所述第一融合特征、所述第一卷积特征和所述第二卷积特征进行融合，得到第二融合特征； 所述第三融合单元用于对所述第二融合特征、所述视觉特征和所述红外特征进行融合，得到所述初始融合特征。

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电子科技大学中山学院，其通讯地址为：528402 广东省中山市石岐区学院路1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。