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！

龙图腾网获悉北京理工大学;北京理工大学唐山研究院申请的专利一种基于卷积神经网络的水悬浮造粒过程状态识别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：CN116188835B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211596154.2，技术领域涉及：G06V10/764；该发明授权一种基于卷积神经网络的水悬浮造粒过程状态识别方法是由束庆海;张哲;马仙龙;李超;吕席卷;王东旭;邹浩明设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的水悬浮造粒过程状态识别方法在说明书摘要公布了：本发明属于水悬浮造粒过程控制领域，公开了一种基于卷积神经网络的水悬浮造粒过程状态识别方法；整理和收集相关图像数据，对数据进行预处理，便于训练模型；构建卷积神经网络模型，配置训练器，训练网络模型；将模型的训练集和验证集的acc曲线和loss曲线可视化，判断模型训练效果。本发明使用基于卷积神经网络的水悬浮造粒过程状态识别方法，可以实现水悬浮造粒过程状态的识别，且分类准确；避免盲目试错，提高了研究过程的安全性，为压装混合炸药造型粉无人化和标准化制备提供了基础。能够摆脱对经验丰富的生产线工作人员的过度依赖，降低对新人的培训投入，提高了造型粉制备过程中的效率。

本发明授权一种基于卷积神经网络的水悬浮造粒过程状态识别方法在权利要求书中公布了：1.一种基于卷积神经网络的水悬浮造粒过程状态识别方法，其特征在于：具体步骤如下： 步骤一、整理和收集相关图像数据，将数据分为训练集train和验证集validation，其中80％为训练集，20％为测试集； 步骤二、使用Tensorflow框架，首先对数据进行预处理，对步骤一的训练集和验证集分别预处理，数据加载到生成器后会被自动转换成tensorfloat32格式，动态产生所需的batch数据，然后将图像数据归一化0-1区间，压缩图像大小为6464，便于训练模型； 步骤三、构建卷积神经网络模型，配置训练器，训练网络模型； 步骤四、效果展示，将模型的训练集和验证集的acc曲线和loss曲线可视化，判断模型训练效果，如果效果不够理想，继续调整模型参数，重新训练；如果效果符合要求，则保存模型，以供后续实验使用； 所构建的卷积神经网络第一层卷积层的卷积核大小为33，要得到32个特征图，连接的激活层使用relu函数；经过一层卷积后，得到32个62623大小的特征图，紧接着进行池化，得到32个31313的特征图；第三层卷积层的卷积核大小为33，连接的激活层使用relu函数，要得到64个29293特征图；再进行池化64个14143特征图；第五层卷积层的卷积核大小为33，连接的激活层使用relu函数，要得到128个12123特征图；再进行池化128个663特征图；最后，进行拉直操作，送入全连接层进行二分类。

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北京理工大学;北京理工大学唐山研究院，其通讯地址为：100081 北京市海淀区中关村南大街5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。