哈尔滨市科佳通用机电股份有限公司郭庆阳获国家专利权
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！
龙图腾网获悉哈尔滨市科佳通用机电股份有限公司申请的专利基于深度学习的动车裙板异物识别方法及装置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：CN116805412B 。
龙图腾网通过国家知识产权局官网在2025-09-30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：202310782807.4，技术领域涉及：G06V20/59；该发明授权基于深度学习的动车裙板异物识别方法及装置是由郭庆阳设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。
本基于深度学习的动车裙板异物识别方法及装置在说明书摘要公布了：基于深度学习的动车裙板异物识别方法及装置，涉及动车故障检测技术领域。本发明是为了解决采用传统的Cascade‑rcnn深度学习网络对动车裙板异物故障进行识别无法满足实际需求的问题。本发明所述的利用边缘检测算法对原始图像进行处理，获得边缘检测特征图，所述原始图像为含有被测动车裙板的灰度图像；将边缘检测特征图与原始图像进行融合，获得被测图像；将被测图像输入至训练好的深度学习网络中获得检测结果，实现被测动车裙板异物的识别。
本发明授权基于深度学习的动车裙板异物识别方法及装置在权利要求书中公布了：1.基于深度学习的动车裙板异物识别方法，其特征在于，具体为： 利用边缘检测算法对原始图像进行处理，获得边缘检测特征图，所述原始图像为含有被测动车裙板的灰度图像； 将边缘检测特征图与原始图像进行融合，获得被测图像； 将被测图像输入至训练好的深度学习网络中获得检测结果，实现被测动车裙板异物的识别； 所述将边缘检测特征图与原始图像进行融合的方法包括： 在边缘检测特征图与原始图像中所有对应像素点的像素值上均乘以0.5，分别获得修改后的边缘检测特征图与原始图像，所述对应像素点为边缘检测特征图与原始图像中位置相互对应的像素点，将修改后的边缘检测特征图与原始图像对应像素点相加，获得被测图像； 所述深度学习网络与其RPN网络的回归损失函数均采用损失函数，所述损失函数的表达式为： ，其中，，为损失函数的输入； ，为预测目标框选区域和真实目标框选区域的交并比，和分别为预测目标框选区域和真实目标框选区域的中心点坐标，为预测目标框选区域和真实目标框选区域中心点之间的欧氏距离，为最小闭包区域的对角线长度。
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哈尔滨市科佳通用机电股份有限公司，其通讯地址为：150060 黑龙江省哈尔滨市经开区哈平路集中区潍坊路2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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励