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！

龙图腾网获悉中南大学申请的专利一种基于关键帧注意力和Bi-GRU的锌浮选工况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：CN115457439B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211077061.9，技术领域涉及：G06V20/40；该发明授权一种基于关键帧注意力和Bi-GRU的锌浮选工况识别方法是由唐朝晖;田灿;谢永芳;高小亮;钟宇泽;戴智恩设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种基于关键帧注意力和Bi-GRU的锌浮选工况识别方法在说明书摘要公布了：本发明公开了一种基于关键帧注意力和Bi‑GRU的锌浮选工况识别方法，应用于泡沫浮选工艺，包括以下步骤：首先从泡沫视频中采样连续多帧图像并从每一帧泡沫图像中提取手工特征，包括气泡尺寸特征、泡沫纹理和颜色特征，则连续多帧的泡沫图像表征为时间特征序列；其次将构建的时间特征序列输入到基于关键帧注意力的Bi‑GRU模型中，利用注意力自适应地选取关键帧并通过Bi‑GRU双向提取泡沫视频的动态关键时序特征；最后将提取的时序特征输入到全连接层和SoftMax中对锌浮选的工况进行识别。本发明不仅可以充分利用泡沫视频中丰富的动态时序信息，而且采用注意力自适应地从泡沫视频中选取关键帧，可以减少非关键信息的干扰，提高模型鲁棒性的同时大大减少计算成本。

本发明授权一种基于关键帧注意力和Bi-GRU的锌浮选工况识别方法在权利要求书中公布了：1.一种基于关键帧注意力和Bi-GRU的锌浮选工况识别方法，其特征在于，包括以下步骤： 步骤一：由于泡沫视频可以展示动态变化的浮选过程，从泡沫视频中等时间间隔采样连续多帧泡沫图像并从每一帧泡沫图像中提取手工特征，包括气泡尺寸特征、泡沫纹理特征和泡沫颜色特征，则泡沫视频中连续多帧的泡沫图像表征为时间特征序列； 步骤二：构建基于关键帧注意力的Bi-GRU模型，并将表征泡沫视频的时间特征序列作为输入，提取泡沫视频的动态关键时序特征： 由于Bi-GRU由前向和后向传输的GRU构成，能同时从前向和后向读取时间序列的信息，从而能够更充分地挖掘出时间序列中的时间相关性，利用Bi-GRU提取泡沫视频的动态时序特征；将时间特征序列{X t },t=1,2,…,N输入到Bi-GRU中，其中，前向传输的GRU从X 1 到X N 读取输入序列，并将其编码为一系列具有强时间相关性的隐藏单元状态；而后向传输的GRU从X N 到X 1 读取输入序列，将其同样编码为一系列具有强时间相关性的隐藏单元状态； 同时，考虑到注意力机制可以自适应地关注数据的重要部分的特性，利用该特性构建关键帧注意力并将其加入到Bi-GRU中，促进泡沫视频的动态关键时序特征的提取；由于泡沫视频序列帧中变化程度大的帧包含较多的有用信息，关键帧注意力通过计算序列帧中每一帧的变化程度选择出关键帧并赋予其更高的权重；在前向传输的GRU中，由于前一时刻的隐藏单元状态包含之前时刻序列中所有的重要信息，利用关键帧注意力计算前一时刻的隐藏单元状态与当前时刻的特征向量的相关性可以推测当前帧的变化程度，即相关性越小，当前帧的变化程度越大；利用多层感知机计算前一时刻的隐藏单元状态和当前时刻的特征向量X t 的相关性： 式（1） 其中是第t帧的相关性，是关键帧注意力的参数，tanh·是激活函数；然后所有帧的相关性用同样的方式计算获得，并将他们输入到SoftMax层进行归一化：式（2） 其中SoftMax·是SoftMax函数；因为相关性越小表示当前帧变化程度越大，并且变化程度越大的帧包含的有用信息越多，因此相关性越小的帧应分配更高的权重，将作为对应特征向量的权重系数并将加权的特征向量累加： 式（3） 其中，为前向传输的GRU得到的加权累加特征向量；同理，可以计算后向传输的GRU的加权累加特征向量，将前向和后向GRU的加权累加特征向量和相加，得到最终的动态关键时序特征，该动态关键时序特征包含了泡沫视频的时域变化信息并且关注于泡沫视频的重要信息； 步骤三：将提取的动态关键时序特征输入到全连接层对锌浮选的工况进行识别，并通过SoftMax计算属于每一个工况类别的概率，概率最高的类别输出为工况的最终识别结果。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。