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！

龙图腾网获悉中信重工开诚智能装备有限公司申请的专利一种基于可见光红外图像融合的皮带跑偏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：CN115880476B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211591078.6，技术领域涉及：G06V10/20；该发明授权一种基于可见光红外图像融合的皮带跑偏检测方法是由裴文良;单浩然;申龙;王永利;胡云雷;孙宁;宋志海;杨利;么晶明设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于可见光红外图像融合的皮带跑偏检测方法在说明书摘要公布了：本发明涉及一种基于可见光红外图像融合的皮带跑偏检测方法，包括：S1.红外相机、可见光相机分别获取图像；S2.图像去噪；S3.图像灰度化；S4.卷积神经网络提取图像特征；S5.L1正则化提取特征范数，获得二维权值映射；S6.采用加权平均的融合策略获得图像融合的权重图，并对源红外灰度图像和源可见光灰度图像加权融合，获得融合图像；S7.通过目标检测算法检测露出皮带的托辊；S8.计算托辊露出皮带的长度。本发明使用方式简单，只需要通过巡检机器人自身搭载的可见光相机和红外相机对皮带运输区域进行视频采集，就可以通过皮带托辊检测到皮带是否跑偏。

本发明授权一种基于可见光红外图像融合的皮带跑偏检测方法在权利要求书中公布了：1.一种基于可见光红外图像融合的皮带跑偏检测方法，其特征在于，包括以下步骤： S1.红外相机、可见光相机分别获取图像：通过红外相机和可见光相机分别对从侧向对运煤皮带区域进行图像采集，通过红外相机采集的图像为红外图像，通过可见光相机采集的图像为可见光图像； S2.图像去噪：将步骤S1中的红外图像和可见光图像进行尺寸变换，获得等尺寸图像，并通过高斯滤波来滤除尺寸变换后的红外图像、可见光图像中的噪声； S3.图像灰度化：将去除噪声后的红外图像和可见光图像进行分别进行灰度化处理，分别获得源红外灰度图像、源可见光灰度图像； S4.卷积神经网络提取图像特征：将源红外灰度图像、源可见光灰度图像分别输入到卷积神经网络中，通过卷积神经网络分别提取源红外灰度图像的图像特征F1、源可见光灰度图像的图像特征F2； S5.L1正则化提取特征范数，获得二维权值映射：通过L1正则化分别求解源红外灰度图像、源可见光灰度图像的图像特征的特征范数，并分别获得相应的图像特征的二维权值映射； 通过L1正则化获得图像特征F1和图像特征F2的二维权值映射的计算过程为： 其中，代表图像在x,y坐标系下的特征范数，i∈{1,2}，当i＝1时代表红外图像，i＝2时代表可见光图像，p代表滑动窗口的大小，m代表滑动窗口的长度，n代表滑动窗口的宽度，Fim,n代表互动窗口下的图像特征值； S6.采用加权平均的融合策略获得图像融合的权重图，并对源红外灰度图像和源可见光灰度图像按照权重图进行加权融合，获得对源红外灰度图像和源可见光灰度图像融合的融合图像； S7.通过目标检测算法检测露出皮带的托辊：将融合图像输入到目标检测网络中获得露出皮带的托辊的最优预测框； 具体过程为： 将融合图像输入到Yolov5s目标检测网络中，通过网络中的CSP模块进行托辊特征图的提取，并通过PAN-Net进行托辊特征图的融合，然后对于托辊特征图中的每个像素点生成三个预选框并判断这三个预选框中是否存在托辊目标，通过GIoU损失函数对预选框位置进行优化，通过交叉熵损失函数对预选框中目标类别进行优化，从而获得托辊的最优预测框； 用GIoU损失函数优化预选框的计算方法为： 式中：A和B为图像中两块任意框，C代表包围A和B的最小面积，IoU代表真实框和预测框的交并比； 交叉熵损失函数对预选框中目标类别进行优化的计算方法为： 式中：N代表目标类别的总个数，xi为神经网络输出的目标类别的预测值，yi为目标类别的预测概率，代表目标类别的真实值，Lclass为分类损失； S8.计算托辊露出皮带的长度：根据目标检测网络检测到露出皮带的托辊目标框来计算托辊露出皮带的长度。

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中信重工开诚智能装备有限公司，其通讯地址为：063020 河北省唐山市高新区火炬路183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。