買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉太原科技大學申請的專利一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119871466B 。

龍圖騰網通過國家知識產權局官網在2025-06-20發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510378119.0，技術領域涉及：B25J9/16；該發明授權一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法是由李正楠;孔世武;祁勝凱;馬立東;姬小峰;周韋光;段林鵬設計研發完成，并于2025-03-28向國家知識產權局提交的專利申請。

本一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法在說明書摘要公布了：本發明公開了一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法，包括：獲取待識別圖像；將所述待識別圖像輸入至分割網絡模型，識別焊縫位置、熔池質心以及飛濺數量，其中，所述分割網絡模型為改進的半監督分割網絡，所述改進的半監督分割網絡是由優化后教師?學生模型的編碼器和解碼器組成；將所述焊縫位置發送至機器人控制器，實時調整焊槍位置，引導機器人自動焊接；所述改進半監督分割網絡的編碼器結構，引入了多尺度卷積結構、親和場損失函數和殘差網絡，實現對焊縫位置、熔池質心和飛濺數量快速準確識別。本發明減小檢測系統復雜度的同時，實現了高精度高質量視覺引導機器人自動焊接，提高了焊接過程智能化水平。

本發明授權一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法在權利要求書中公布了：1.一種基于深度學習的高精度高質量視覺引導機器人自動焊接方法，其特征在于，包括：獲取待識別圖像；將所述待識別圖像輸入至分割網絡模型，識別焊縫位置、熔池質心和飛濺數量，其中，所述分割網絡模型為改進的半監督分割網絡，所述改進的半監督分割網絡是由優化后的教師-學生模型的編碼器和解碼器組成；優化后的教師-學生模型的編碼器和解碼器包括：結合空洞卷積、多尺度特征融合及殘差網絡改進編碼器和解碼器，在編碼器結構里的Layer2、Layer3、Layer4層中使用空洞卷積代替了傳統步距卷積，同時將Layer1、Layer2、Layer3、Layer4層輸出的特征通過卷積層調整通道數最終拼接輸出，對所述編碼器和解碼器中的批量正則化層進行改進，對損失函數進行改進，將解碼器主干網絡中的ResNet網絡結構更換為Xception網絡結構；改進的編碼器結構包括：若干卷積層、最大池化層和若干瓶頸結構空洞卷積層，改進的解碼器結構包括：將解碼器主干網絡中的ResNet網絡結構更換為Xception網絡結構；所述卷積層，用于提取圖像特征，獲取特征圖；所述最大池化層，用于降低特征圖的空間尺寸；所述瓶頸結構空洞卷積層，用于在不增加模型參數數量的情況下擴大感受野、保持特征圖分辨率、減少參數和計算量；所述改進的解碼器包括：空洞空間卷積池化金字塔、頭部結構、上采樣層、卷積層、拼接層和輸出層；所述空洞空間卷積池化金字塔，用于引入多個并行分支來捕捉不同尺度的上下文信息，獲取多層次特征；所述頭部結構，用于防止過擬合；所述上采樣層，用于將高級特征與低級特征融合，優化分割邊界的精度；所述卷積層，用于提取輸入圖像多尺度特征；所述拼接層，用于將上采樣結果和卷積結果進行拼接；所述輸出層，用于輸出拼接結果；改進的批量正則化層包括：采用同步批量歸一化方式替換原有的所述批量正則化層；改進的損失函數包括：結合親和場損失與加權損失融合的方法改進原有的損失函數，獲取改進的損失函數；所述改進的損失函數為： 其中，為改進的損失函數，為監督損失，為無監督損失，為對比損失，、和為對應項的權重系數，為親合場損失將所述焊縫位置發送至機器人控制器，實時調整焊槍位置，引導機器人自動焊接。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人太原科技大學，其通訊地址為：030024 山西省太原市萬柏林區窊流路66號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。