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！

龙图腾网获悉奥特莱博(苏州)实验室科技有限公司申请的专利基于人工智能的显微成像运动定位智能控制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：CN121523073B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610066171.7，技术领域涉及：G05B13/04；该发明授权基于人工智能的显微成像运动定位智能控制系统是由孙磊;刘新英设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于人工智能的显微成像运动定位智能控制系统在说明书摘要公布了：本发明涉及显微成像运动定位控制技术领域，尤其基于人工智能的显微成像运动定位智能控制系统，其技术方案包括：构建特征动态提取单元，采用深度卷积神经网络与图神经网络并行提取目标的表观与几何结构特征流，形成了对目标多维度属性的鲁棒表征；设计多模态运动推理单元，利用门控循环单元网络对融合后的双流特征进行时序建模，并以高斯混合模型表达位移假设分布；引入自适应策略生成单元，将控制问题转化为一个由策略网络与价值网络协同决策的强化学习问题；设计分层实时架构，将高频低延迟的确定控制任务与低频异步的学习优化任务解耦；提升了在目标形态剧烈变化情况下的特征辨识力与稳定性，克服了传统固定模板匹配方法适应性差的缺陷。

本发明授权基于人工智能的显微成像运动定位智能控制系统在权利要求书中公布了：1.基于人工智能的显微成像运动定位智能控制系统，其特征在于：包括图像传感模块、协同感知与决策模块、运动控制执行模块； 其中，图像传感模块连续采集显微视野下的时序图像序列； 协同感知与决策模块连接至图像传感模块，对输入的时序图像序列进行深度协同分析，生成目标运动状态估计与自适应控制决策；协同感知与决策模块包括特征动态提取单元、多模态运动推理单元以及自适应策略生成单元；特征动态提取单元从当前图像帧及历史图像帧中，并行提取目标的表观特征流与几何结构特征流；多模态运动推理单元连接至特征动态提取单元，融合表观特征流与几何结构特征流并进行时空上下文建模，以推理目标的真实运动状态；自适应策略生成单元连接至多模态运动推理单元，根据运动推理结果及系统实时性能指标，生成最优控制策略； 运动控制执行模块连接至协同感知与决策模块，接收控制决策并驱动显微成像平台的执行机构进行位移，实现对目标的闭环跟踪或路径跟随；运动控制执行模块包括指令解析单元、驱动单元及状态反馈单元；指令解析单元将自适应策略生成单元输出的控制决策解码为控制器参数组，并计算目标位置设定点与当前估计位置之间的误差；驱动单元基于更新后的控制器参数及位置误差，生成驱动信号以驱动执行机构；状态反馈单元实时采集执行机构的实际位移数据，经过滤波后，将平台的实际位姿信息与跟踪误差统计量反馈至自适应策略生成单元； 特征动态提取单元中，表观特征流通过一个深度卷积神经网络提取，该网络的输入为以历史预测位置为中心的图像区域，输出为一个512维的特征向量；几何结构特征流通过一个图神经网络提取，该网络将目标区域内的关键点构建为动态图结构，节点特征为关键点的坐标与局部描述符，边特征为关键点间的空间关系，通过三层图卷积迭代更新节点与边的特征，最终聚合生成一个256维的几何特征向量； 深度卷积神经网络采用残差网络结构，并在网络末端连接一个空间变换层；空间变换层根据上一帧由多模态运动推理单元输出的位移估计，对输入图像区域进行仿射变换对齐； 多模态运动推理单元执行以下过程：将当前帧提取的表观特征向量与几何特征向量，与上一帧的对应特征向量进行拼接，形成融合特征；将融合特征输入至一个具有128个隐藏单元的门控循环单元网络中；门控循环单元网络基于当前融合特征与历史状态，输出一个关于目标在当前帧相对于上一帧的位移假设分布，该分布以二维高斯混合模型表示，包含三个高斯分量，每个分量包含均值向量、协方差矩阵及混合权重； 门控循环单元网络中，更新门与重置门的激活函数采用Sigmoid函数，候选隐藏状态的激活函数采用双曲正切函数；网络在每一个时间步，依据当前融合特征与上一隐藏状态，计算更新门与重置门的值；利用重置门控制对上一隐藏状态的遗忘程度，并结合当前输入计算候选隐藏状态；利用更新门对上一隐藏状态与候选隐藏状态进行加权融合，得到当前隐藏状态与输出。

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奥特莱博(苏州)实验室科技有限公司，其通讯地址为：215435 江苏省苏州市太仓市科教新城健雄路20号大学科技园一期11号楼1202、1203室；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。