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！

龙图腾网获悉江苏大学申请的专利一种智能制造货架存储方法及环绕式货架机构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：CN118683896B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202410958855.9，技术领域涉及：B65G1/04；该发明授权一种智能制造货架存储方法及环绕式货架机构是由周宇恒;徐弓岳;陈俊晔;王毅;葛昊明;赵晓霞;李文皓;刘浩然;常轩宇设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种智能制造货架存储方法及环绕式货架机构在说明书摘要公布了：本发明公开了一种智能制造货架存储方法及环绕式货架机构，在机械臂上集成摄像头和深度传感器，结合卷积神经网络和强化学习算法进行目标识别和定位，环绕式货架机构包括货架模块和机械臂模块；所述货架模块底部设置有货架底座，所述货架底座上放置有机械臂模块。本发明实现了对货物的自动识别和精准定位，提高了抓取的准确性和效率，减少了人为干预的需求。

本发明授权一种智能制造货架存储方法及环绕式货架机构在权利要求书中公布了：1.一种智能制造货架存储方法，在机械臂上集成摄像头和深度传感器，结合卷积神经网络和强化学习算法进行目标识别和定位，其特征在于，包括如下步骤： 步骤一：在机械臂上安装高分辨率摄像头和深度传感器，用于捕获货物的详细视觉和深度信息，进行大规模数据收集，包括不同类型、大小和形状的货物图片及其对应的深度信息；每个货物应在不同的光照和背景条件下拍摄，以增强模型的泛化能力； 步骤二：对捕获的图像进行标准化处理，包括缩放、裁剪和归一化，以适配卷积神经网络的输入需求；对图像中的货物进行标注，确定其边界框位置，用于后续的目标检测训练； 步骤三：选择ResNet架构用于特征提取：应用DQN方法，让模型通过与环境的交互学习如何最有效地识别和定位目标；使用GPU加速的深度学习框架进行模型训练，输入图像数据和对应的标注信息，进行端到端的学习；步骤三中，包括ResNet架构特征提取、DQN目标识别和定位、结合ResNet和DQN进行端到端的学习和改进ResNet算法； ResNet架构特征提取，ResNet网络架构为ResNet-50，使用残差块进行特征提取； DQN目标识别和定位； 结合ResNet和DQN进行端到端的学习，将输入图像通过ResNet提取特征向量，输入到DQN网络中；根据ResNet提取的特征向量，DQN网络输出每个动作的Q值，选择最优动作；机械臂根据DQN网络输出的最优动作执行抓取操作；根据抓取结果给予相应的奖励，并更新Q值；通过反向传播算法调整网络参数，优化ResNet和DQN的联合模型； 改进ResNet算法，对ResNet进行改进，优化其特征提取能力和计算效率，包括引入注意力机制和优化残差块结构； 引入注意力机制，引入注意力机制帮助网络更好地聚焦于重要特征，提高特征提取的准确性；SE模块是常用的一种注意力机制，能够动态调整各通道的权重； 优化残差块结构：引入Bottleneck结构，减少参数数量，提高计算效率；Bottleneck结构通过1x1卷积层进行降维和升维，减少计算量； 改进DQN算法，引入双重DQN、优先经验回放、融合HER和元学习； 步骤四：训练完成的模型部署到机械臂控制系统中，实时处理摄像头和深度传感器数据；在实际操作环境中进行测试，评估模型在各种情况下的识别和定位准确性，优化参数以提高效率。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。