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！

龙图腾网获悉青岛科技大学申请的专利一种基于PointNet++改进网络的装配精度预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：CN120823449B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511332098.5，技术领域涉及：G06V10/764；该发明授权一种基于PointNet++改进网络的装配精度预测方法是由张秋爽;申毅浩;孟琪富;马庆宇;郭奕;张德昌设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种基于PointNet++改进网络的装配精度预测方法在说明书摘要公布了：本申请公开了一种基于PointNet++改进网络的装配精度预测方法，属于计算机视觉与工业制造领域。针对现有技术中，装配平行度的获取受测量环境的影响，并无法保证都可以直接测量的问题。本申请的方法,在未装配时，采集到表面的点云数据，作为基于PointNet++改进的网络的输入；经训练后的PointNet++改进的网络输出装配平行度的类别概率；获得装配精度类别。本申请的技术方案，能够提高测量过程的鲁棒性和测量结果的精度和效率，实现精确高效的三维测量。

本发明授权一种基于PointNet++改进网络的装配精度预测方法在权利要求书中公布了：1.一种基于PointNet++改进网络的装配精度预测方法，其特征在于：包括以下步骤： S1搭建物理测量系统；在物理测量系统制备数据集，并搭建神经网络模型；通过物理测量系统和分类原则制备的数据集进行模型训练； S2在物理测量系统中，进行平行度类别精度划分，获得装配平行度的类别并作为数据集的标签，输入到神经网络中； S3在特征提取的第一个集合抽象阶段，对卷积进行改进，引入门控线性单元；在卷积操作中引入切比雪夫多项式，同时对多个尺度进行特征抽取； S4在特征提取的第二个集合抽象阶段，引入注意力机制层，对多个尺度同时进行卷积和注意力机制操作，捕捉不同尺度的信息； S5将特征提取的第一个集合抽象阶段、特征提取的第二个集合抽象阶段获得的特征信息进行拼接后，输入到第三个集合抽象阶段，进行卷积池化操作，生成特征向量；通过全连接完成平行度的类别概率输出，实现装配精度预测； 在步骤S1中，搭建神经网络模型时，通过将门控线性单元、切夫雪比多项式与普通卷积结合引入到PointNet++网络中，替换其中的标准卷积模块，构成EfficientViM_CGLU和KACNConv2DLayer； 引入自注意力机制LEGM层构建网络； 在步骤S2中，获取零件的装配面、特征面的点云数据，并输出平行度值；深度学习策略基于分类的预测，将平行度类别分为T1~T10； 在步骤S3中，在特征提取的第一个集合抽象阶段，通过设定小的半径参数进行分组，再对半径较小的尺度添加EfficientViM_CGLU块，动态调整特征通道的激活函数； 在第二和第三半径尺度下同时采用KACNConv2DLayer层，加强特征表达； 将三种半径尺度的特征进行拼接，获取更多的特征； 在步骤S4中，在特征提取的第二个集合抽象阶段，卷积操作与注意力机制相结合，引入LEGM层； 在此基础上，注意力层中加入WATT模块，用于对特征图进行缩放处理； 卷积操作提取局部特征，注意力机制突出重要特征并抑制不重要的特征； WATT模块通过学习特征的重要性权重，对特征图进行自适应缩放，增强全局和局部特征的表达能力。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。