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！

龙图腾网获悉华南理工大学申请的专利一种面向飞机壁板装配的多机器人目标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：CN119625284B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510146858.7，技术领域涉及：G06V10/25；该发明授权一种面向飞机壁板装配的多机器人目标检测方法是由刘伟;孟子越设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种面向飞机壁板装配的多机器人目标检测方法在说明书摘要公布了：本发明提供了一种面向飞机壁板装配的多机器人目标检测方法，包括以下步骤：构建多源数据集，将多源数据集分配给多个本地机器人，使每个机器人的数据集为非独立同分布的数据集，每个本地机器人采用YOLOv8作为目标检测模型，并通过联邦学习算法进行全局模型训练，在飞机壁板装配场景中，多个机器人结合目标检测模型与位姿算法进行物体检测，输出物体类别、位置及置信度，当至少两个机器人对同一物体的检测结果一致时，确认该检测结果作为增量学习数据，并通过联邦增量学习算法持续更新全局目标检测模型。该方法提升了目标检测的泛化能力和准确性，保障了数据隐私与安全，确保飞机壁板装配过程中保持高精度和鲁棒性的目标检测性能。

本发明授权一种面向飞机壁板装配的多机器人目标检测方法在权利要求书中公布了：1.一种面向飞机壁板装配的多机器人目标检测方法，其特征在于，包括以下步骤： 1设计并制作三维实物数据集，使用Blender渲染生成虚拟数据集，并通过网络爬虫获取其他常见物体数据集，以此构建多源数据集； 2将上述多源数据集分配给多个本地机器人，使得每个机器人的数据集为非独立同分布的数据集； 3每个本地机器人使用YOLOv8作为本地目标检测模型，通过联邦学习算法对多个本地机器人进行全局模型训练； 4在飞机壁板装配场景下，多个机器人利用训练得到的目标检测模型并结合机器人与摄像头的位姿算法进行目标检测，输出物体类别、位置及置信度； 5当至少两个机器人对某一物体的检测结果一致时，将该物体的检测结果作为增量学习数据，并通过联邦增量学习算法持续更新全局目标检测模型； 所述联邦增量学习算法通过以下步骤进行： 1每个本地机器人基于其本地数据进行YOLOv8模型训练，计算出本地模型参数； 2将多个本地机器人的模型参数上传至全局服务器，通过联邦平均算法计算出全局模型参数； 3将更新后的全局模型参数分发给各本地机器人，用于下一轮的训练，直至完成训练； 所述检测结果一致的判定方法包括以下步骤： 1每个本地机器人通过YOLOv8模型检测到的物体位置包括物体类别、位置和置信度； 2每个本地机器人基于其摄像头的位姿信息将其检测到的检测框转换为全局坐标系中的位置，确保来自不同位置、不同视角的机器人能够统一地对同一物体进行比较； 3如果两个及以上的机器人对同一物体的检测结果一致，且重叠度和置信度满足阈值要求，则该物体的检测结果被认定为一致，检测结果将作为各自机器人增量学习的数据集，供全局模型的进一步训练； 所述联邦增量学习包括以下步骤： 1每个本地机器人利用其增量学习数据集进行YOLOv8模型的训练，在模型的损失函数中引入正则化项以限制本地模型参数与全局模型参数的偏差，改进后的第i个机器人的本地模型损失函数Lwi的公式为： 其中，wi表示第i个机器人的本地模型，w为当前的全局模型参数，表示第i个机器人YOLOv8的损失函数，表示第i个机器人的数据集，λ为正则化超参数； 2在全局服务器端，接收到多个本地机器人上传的模型参数后，对其进行加权平均以更新全局模型参数； 3将更新后的全局模型参数分发给各本地机器人，供下一轮训练使用，直到完成联邦增量学习过程。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。