Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 长沙旭飞智能科技有限公司;湖北鄂南新华印刷包装股份有限公司廖源源获国家专利权

长沙旭飞智能科技有限公司;湖北鄂南新华印刷包装股份有限公司廖源源获国家专利权

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!

龙图腾网获悉长沙旭飞智能科技有限公司;湖北鄂南新华印刷包装股份有限公司申请的专利一种双纸路轮转印刷缺陷在线检测系统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:CN121030689B

龙图腾网通过国家知识产权局官网在2026-01-27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:202511554096.0,技术领域涉及:G06F18/25;该发明授权一种双纸路轮转印刷缺陷在线检测系统是由廖源源;廖迪飞;黄敦荣设计研发完成,并于2025-10-29向国家知识产权局提交的专利申请。

一种双纸路轮转印刷缺陷在线检测系统在说明书摘要公布了:本发明涉及数据处理技术领域,尤其涉及一种双纸路轮转印刷缺陷在线检测系统,包括存储器、处理器以及存储在存储器中并在处理器上运行的计算机程序,处理器执行计算机程序时实现如下步骤:在双纸路轮转印刷过程中,对所有监测指标时序数据进行预处理,得到统一尺度下的目标时序数据;获取每个目标时序数据的第一维度特征值和第二维度特征值,将每个目标时序数据映射到二维聚类空间中,得到至少两个初始聚类簇;根据每个初始聚类簇的同质性特征值,优化调整每个初始聚类簇,得到最终聚类簇,将最终聚类簇输入多模态数据融合分析模型中,得到缺陷检测结果,通过对分类结果进行优化调整,提高了利用多模态数据融合分析模型进行缺陷检测的准确性。

本发明授权一种双纸路轮转印刷缺陷在线检测系统在权利要求书中公布了:1.一种双纸路轮转印刷缺陷在线检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤: 在双纸路轮转印刷过程中,根据每个工艺环节配置的专用数据监测设备,分别获取预设数量个待监测数据在预设时段内的监测指标时序数据,其中,待检测数据包括机电数据和环境工艺参数,对所有监测指标时序数据进行数据预处理,得到统一尺度下的目标时序数据; 针对任一目标时序数据,根据所述任一目标时序数据的整体数据变化,获取第一维度特征值,获取所述任一目标时序数据的中位数,根据所述任一目标时序数据中的每个数据与所述中位数的偏差,获取第二维度特征值; 构建以第一维度特征值为横轴、第二维度特征值为纵轴的二维聚类空间,将每个所述目标时序数据映射到二维聚类空间中,得到对应的散点,对所述二维聚类空间的所有散点进行密度聚类,得到至少两个初始聚类簇; 获取每个所述初始聚类簇的同质性特征值,根据每个所述初始聚类簇的同质性特征值,优化调整每个所述初始聚类簇,得到最终聚类簇,将所述最终聚类簇输入多模态数据融合分析模型中,得到双纸路轮转印刷的缺陷检测结果; 根据所述任一目标时序数据的整体数据变化,获取第一维度特征值,包括: 获取所述任一目标时序数据的方差,对所述方差进行归一化,得到第一归一化值;利用最小二乘法对所述任一目标时序数据进行曲线拟合,得到曲线斜率,对所述曲线斜率进行归一化,得到第二归一化值;对所述第一归一化值和所述第二归一化值进行加权求和,得到第一维度特征值; 所述根据所述任一目标时序数据中的每个数据与所述中位数的偏差,获取第二维度特征值,包括: 针对所述任一目标时序数据中的任一数据,获取所述任一数据的前一个数据,若所述任一数据大于所述中位数,且所述前一个数据小于或等于所述中位数,则将所述任一数据标记为上穿数据;若所述任一数据小于所述中位数,且所述前一个数据大于或等于所述中位数,则将所述任一数据标记为下穿数据; 获取所述任一目标时序数据中的上穿数据与下穿数据之间的数量差值绝对值,对所述数量差值绝对值进行归一化,得到第二维度特征值。

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长沙旭飞智能科技有限公司;湖北鄂南新华印刷包装股份有限公司,其通讯地址为:410201 湖南省长沙市望城经济技术开发区普瑞西路858号金荣科技产业园B3栋401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。