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！

龙图腾网获悉中山大学申请的专利一种面向农业采摘的高效识别控制强化学习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：CN114020945B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202111308953.0，技术领域涉及：G06F16/53；该发明授权一种面向农业采摘的高效识别控制强化学习方法是由吴贺俊;游永强;王海涛设计研发完成，并于2021-11-05向国家知识产权局提交的专利申请。

本一种面向农业采摘的高效识别控制强化学习方法在说明书摘要公布了：本发明提供一种农业采摘中基于离散对比特征的强化学习方法，该算法采用离散对比特征学习来获得状态特征输入，通过数据增强获得锚点、正样本、负样本，再使得锚点特征表示与正样本特征表示尽可能接近，与负样本特征表示尽可能不同，随后通过离散化来获得良好的输入特征表示。此方法无需高成本的标签数据，也不需要可能会造成训练不稳定的复杂模型，实现了一种样本效率高效、训练过程稳定迅速、端到端的深度强化学习算法。

本发明授权一种面向农业采摘的高效识别控制强化学习方法在权利要求书中公布了：1.一种面向农业采摘的高效识别控制强化学习方法，其特征在于，包括以下步骤： S1：对采集的图片进行数据增强，获得查询Query和键Key，包括：读取n个样本的转移元组，其中含有观察输入，使用随机数据增强方法通过观测输入产生查询和键； S2：这些数据通过卷积神经网络CNN编码成查询特征和键特征，再通过符号函数变成和； S3：通过离散对比学习获得紧密的离散特征输入，其中键Key的卷积神经网络训练时不进行更新，通过查询Query的卷积神经网络的参数来进行更新，最后采用柔性致动评价SoftActor-Critic的策略进行评估回传； 所述离散对比学习具体为： 给出查询表示和键表示，其中键表示包含正样本键表示和负样本键表示，采用如下损失函数公式进行离散对比学习： 1 其中是键表示向量的转置向量，是为了对正样本键表示进行线性转换的向量矩阵，是采样的下标为的负样本键表示； 定义，其中是的列维度，是超参数，和分别是和的第行和第行，看作第个查询表示和第个键表示的内积相似度，定义A为的sigmoid函数： 得到相似矩阵的似然函数，有公式： 2 其中S为相似邻接矩阵，这里设定为单位矩阵，定义如下： 得到和的log似然函数： 4 步骤S3的任务就是最大化log似然函数，目标表示如下： 5 步骤S3中，固定住更新，先计算公式5的关于的梯度和黑塞矩阵： 6 其中是一个对角矩阵，定义，其中是一个单位矩阵，是样本个数，的列维度，是超参数，构造一个的下界： 把优化问题转为如下公式： 得到公式8的解为： 通过公式9得到； 固定更新，得到的更新公式： 其中是和的log似然函数，为优化中间变量，其中是一个单位矩阵，是样本个数，是的列维度，是超参数； 通过公式10得到； 当表示和得到更新后，当作参数为的状态编码器的自回归目标，编码器的采用均方误差MSE更新： 给出参数为的键编码器和参数为查询编码器采取动量更新而不进行梯度回传，动量更新如下：

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。