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！

龙图腾网恭喜昆明理工大学申请的专利一种基于超分辨率重建的高频转子视觉测振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：CN115293963B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202111589398.3，技术领域涉及：G06T3/40；该发明授权一种基于超分辨率重建的高频转子视觉测振方法及系统是由王森;祝阳;柳小勤;陈明方;王庆健设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种基于超分辨率重建的高频转子视觉测振方法及系统在说明书摘要公布了：本发明公开了一种基于超分辨率重建的高频转子视觉测振方法及系统，本发明提出的插帧模块在两帧之间补充了一帧图片，很好的缓解了采集图像时的丢帧问题；通过将视频插帧融合在视频超分辨率重建任务一个框架中，从而实现两个模型任务的特征信息共享；进一步，本发明提出了一种金字塔对齐模块，该模块用金字塔结构进行多阶段信息融合能充分学习帧内空间信息，使用可变形卷积能充分利用时‑空域信息进行特征级自适应对齐，将对齐后的潜在帧与参考帧进行融合，能增强连续帧的时域信息；再进一步通过ConvLSTM模块和串联残差块能更好的提取特征；通过该模型能获得足够的帧信息，并进一步用于提取位移信号，且振动位移信号相对平滑，并且生成的信号噪音相对较少。

本发明授权一种基于超分辨率重建的高频转子视觉测振方法及系统在权利要求书中公布了：1.一种基于超分辨率重建的高频转子视觉测振方法，其特征在于：包括： 划分步骤，收集高速转动转子图像数据集并将其划分为训练数据集和验证数据集； 构建步骤，构建深度学习网络模型雏形； 确定步骤，对深度学习网络模型雏形进行消融实验，确定两种不同的深度学习网络模型； 获得步骤，正式训练之前，修改配置文件中相对应的超参数，获得训练参数； 筛选步骤，调用训练数据集和配置文件开始对选择的深度学习网络模型进行训练，训练结束，筛选出最优的候选权重； 载入步骤，用验证数据集对最优的候选权重进行性能评估，以量化权重的性能，根据量化结果获得的最优权重载入深度学习网络模型； 提取步骤，将载入了最优权重的深度学习网络模型用于处理新收集的高速转动转子图像数据集，并提取高速振动转子的振动位移信号； 所述构建步骤具体为：利用特征提取模块、插帧模块、金字塔对齐模块、ConvLSTM模块和串联残差块，构建深度学习网络模型雏形； 所述插帧模块，包括： 将特征提取模块输出的特征图1和特征图2作为插帧模块的输入，将特征图1、特征图2按照先后排列顺序不同分别经过通道级连接和卷积操作后，获得卷积偏移量1和卷积偏移量2； 将卷积偏移量1、特征图1和卷积偏移量2、特征图2分别进行可变形卷积操作，获得采样特征图1和采样特征图2；将采样特征图1和采样特征图2通过混合函数分别给予两采样特征图两个可学习的权重从而生成中间帧，即特征图3； 所述金字塔对齐模块，包括： 将特征提取模块和插帧模块的输出按特征图1、特征图3和特征图2的顺序，每两帧一组，依次作为输入即输入1、输入2； 首先，对输入1和输入2分别进行两倍下采样及四倍下采样，得到输入1-2、输入2-2和输入1-4、输入2-4； 对输入1-4与输入2-4进行通道级连接，再进行卷积操作，对卷积后的结果计算偏移量，即输入1-4和输入2-4的偏移量1，对偏移量1及输入2-4进行可变卷积操作以得到重建帧1；将重建帧1与输入2-4进行通道级连接，连接后输入密集残差模块以得到密集1； 对输入1-2与输入2-2进行通道级连接，将连接后的结果进行两个卷积操作，对卷积结果进行计算偏移量操作，即输入1-2和输入2-2的偏移量2-1；对偏移量1进行2倍上采样处理得到偏移量1-2，将偏移量2-1与偏移量1-2进行通道级连接以得到偏移量2；对偏移量2与输入2-2进行可变卷积操作，以获得重建帧2-1；将密集1进行2倍上采样处理得到密集1-2，将密集1-2与重建帧2-1进行通道级连接，再将连接后的结果输入一个卷积操作，以得到重建帧2，将重建帧2与输入2-2进行通道级连接，将连接后的结果输入密集残差模块以得到密集2； 对输入1和输入2进行通道级连接，将连接后的结果输入两个卷积操作中，再对卷积后的结果进行计算偏移量操作，以得到输入1和输入2的偏移量3-1，对偏移量2进行2倍上采样处理，以获得偏移量2-2，对偏移量2-2与偏移量3-1进行通道级连接，获得偏移量3；将偏移量3与输入2进行可变卷积操作，以获得重建帧3-1，对密集2进行2倍上采样处理，得到密集2-2，将密集2-2与重建帧3-1进行通道级连接，再将连接后的结果输入一个卷积操作，以得到重建帧3；将重建帧3与输入2进行通道级连接，再将连接结果输入到密集残差模块中以得到密集3； 将输入2与密集3进行通道级连接，再将连接后的结果进行卷积、可变卷积、计算偏移量操作，以获得输入2与密集3的偏移量，即偏移量4，将偏移量4与密集3进行可变卷积操作的结果作为金字塔对齐模块的输出结果。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253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”。