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！

龙图腾网获悉天津大学申请的专利基于自监督学习的负荷分类方法及电子设备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：CN120852887B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511351238.3，技术领域涉及：G06V10/764；该发明授权基于自监督学习的负荷分类方法及电子设备是由刘博;吴宇彤;栾文鹏;任彦如;蒋雯倩;梁海深设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本基于自监督学习的负荷分类方法及电子设备在说明书摘要公布了：本发明提供了一种基于自监督学习的负荷分类方法及电子设备，可以应用于人工智能技术领域。该方法包括：利用负荷分类模型处理待分类负荷图像，得到表征电器类型的负荷分类结果；负荷分类模型是基于原型对比损失函数值训练深度学习模型得到的，原型对比损失函数值是基于原型对比损失函数，根据多个聚类簇各自的聚类中心和聚类簇的多个第一样本负荷图像各自的第一样本负荷特征数据得到的；聚类中心表征聚类簇的原型，聚类中心是对聚类簇的多个第一样本负荷特征数据进行聚类得到的，原型对比损失函数用于使得聚类簇的聚类中心与聚类簇的第一样本负荷特征数据之间的相似度大于聚类中心与其他聚类簇的第一样本负荷特征数据之间的相似度。

本发明授权基于自监督学习的负荷分类方法及电子设备在权利要求书中公布了：1.一种基于自监督学习的负荷分类方法，其特征在于，包括： 获取待分类负荷图像； 利用负荷分类模型处理所述待分类负荷图像，得到表征电器类型的负荷分类结果； 其中，所述负荷分类模型是基于原型对比损失函数值训练深度学习模型得到的，所述原型对比损失函数值是基于原型对比损失函数，根据多个聚类簇各自的聚类中心和所述聚类簇的多个第一样本负荷图像各自的第一样本负荷特征数据得到的； 所述聚类中心表征所述聚类簇的原型，所述聚类中心是对所述聚类簇的多个所述第一样本负荷特征数据进行聚类得到的，针对多个所述聚类簇中的任一聚类簇，所述原型对比损失函数用于使得所述聚类簇的聚类中心与所述聚类簇的第一样本负荷特征数据之间的相似度大于所述聚类中心与其他聚类簇的第一样本负荷特征数据之间的相似度； 所述负荷分类模型是基于所述原型对比损失函数值和其他损失函数值训练深度学习模型得到的，所述其他损失函数值包括以下至少一项：伪标签损失函数值或分类损失函数值； 所述伪标签损失函数值是基于伪标签损失函数，根据多个特征相似度和多个伪标签相似度得到的，所述特征相似度表征第二样本负荷图像的第二样本负荷特征数据与第三样本负荷图像的第三样本负荷特征数据之间的相似度，所述伪标签相似度表征多个伪标签彼此之间的相似度，所述伪标签表征所述第一样本负荷图像的样本负荷分类结果，所述样本负荷分类结果是利用所述深度学习模型处理所述第一样本负荷图像得到的； 与同一无标签样本负荷图像对应的第一样本负荷图像、第二样本负荷图像和第三样本负荷图像是对无标签样本负荷图像进行图像增强得到的，且所述第二样本负荷图像和所述第三样本负荷图像的图像增强程度大于所述第一样本负荷图像的图像增强程度。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。