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！

龙图腾网获悉合肥赛为智能有限公司申请的专利一种基于对比学习气体溢出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：CN116542907B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310336772.1，技术领域涉及：G06T7/00；该发明授权一种基于对比学习气体溢出检测方法是由胡懋成;王秋阳;郑博超;汪玉冰;凤阳;刘丹设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于对比学习气体溢出检测方法在说明书摘要公布了：一种基于对比学习气体溢出检测方法，包括以下步骤：S1、对比学习训练阶段，训练图片特征提取的模型权重，所述模型包括三个分支分别进行特征提取，然后将三个特征进行融合得到最终的图片特征Ioo；S2、步骤S1中最后的模型冻结，并在之后连接两个全连接层，全连接层之间通过sigmoid激活函数得到非线性特征，最后输出特征特定维度大小的特征图，得出正负两分类的输出，代表是否有气体溢出的分类；S3、预设漏气的置信度阈值，将图片及热力图采集设备固定一定的角度对需要采集的设备进行定点拍摄，获取对应器件的RGB三通道图片以及对应的单通道热力图，将二者融合图输入步骤S2获得的模型中进行气体溢出分类预测。通过本申请可以更好的识别气体泄漏检测。

本发明授权一种基于对比学习气体溢出检测方法在权利要求书中公布了：1.一种基于对比学习气体溢出检测方法，其特征在于，包括以下步骤： S1、对比学习训练阶段，训练图片特征提取的模型权重，所述模型包括三个分支分别进行特征提取，然后将三个特征进行融合得到最终的图片特征； S2、将步骤S1中最后的模型冻结，并在之后连接两个全连接层，全连接层之间通过sigmoid激活函数得到非线性特征，最后输出特征特定维度大小的特征图，得出正负两分类的输出，代表是否有气体溢出的分类； S3、预设漏气的置信度阈值，将图片及热力图采集设备固定一定的角度对需要采集的设备进行定点拍摄，获取对应器件的RGB三通道图片以及对应的单通道热力图，将二者融合图输入步骤S2获得的模型中进行气体溢出分类预测，预测漏气的置信度是否大于设定值； S11、步骤S1中三条分支分别提取的步骤如下： 第一条分支为： SA11、将输入的图片及热力图在concate合并模块合并得到图； SA12、将图输入到第一条分支中，得到特征；具体步骤为： SA121、对图通过第一普通卷积单元得到输入特征，将输入特征输入到SEBlock模块中得到特征，具体步骤如下： SA122、将特征再经过两个串联的SEBlock模块、ConvBlock模块得到特征，之后将得到的输入到深度可分离卷积块得到特征； 第二条分支为： SB11、将输入的图片输入到空间可分离卷积块中；所述空间可分离卷积块由空间可分离卷积、LayerNorm以及SiLu激活函数构成，输入图片通过四个串联的空间可分离卷积块得到特征； 第三条分支为： SC11、将图片输入至普通卷积模块，得到特征；所述普通卷积模块由普通卷积以及ReLu激活函数构成； SC12、将特征输入到CBAM注意模块中得到特征，并将特征输入到PPM模块得到特征；所述PPM模块包括并列设置的3x3, 5x5, 7x7, 9x9不同大小的卷积核，将特征进行卷积分别得到不同尺寸大小的特征，然后对其中三个特征分别进行反卷积得到三个统一尺寸大小的特征； SC13、将三个特征通过concate模块并通过UnSampling的方式进行上采样并与特征进行相加且通过空洞率为3的空洞卷积得到特征。

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合肥赛为智能有限公司，其通讯地址为：230000 安徽省合肥市高新区创新大道666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。