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！

龙图腾网获悉中南大学申请的专利一种改进深度主动学习的锌浮选泡沫图像分类算法及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：CN114627333B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210249062.0，技术领域涉及：G06V10/764；该发明授权一种改进深度主动学习的锌浮选泡沫图像分类算法及系统是由唐朝晖;郭俊岑;林振烈;钟宇泽;谢永芳;高小亮;田灿设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本一种改进深度主动学习的锌浮选泡沫图像分类算法及系统在说明书摘要公布了：一种改进深度主动学习的锌浮选泡沫图像分类算法及系统，本发明针对类别不平衡的泡沫图像提出一种改进深度主动学习的锌浮选泡沫图像分类算法及系统。利用有标签样本训练初始卷积神经网络，并利用卷积神经网络对无标签样本进行类别预测，基于一种带损耗预测模块的主动学习方法，计算无标签样本的信息量并排序，再人工标注信息量最大的样本，加入训练集更新深度学习模型的参数，逐步提高网络的性能；使用融合Inception‑v2的DenseNet新型网络结构，提出一种新颖的考虑类别之间的权重的损失函数进行网络训练。本发明在降低标记成本的同时，提高模型了不平衡数据集上的分类性能，有效建立锌浮选工况识别模型，能稳定和优化生产。

本发明授权一种改进深度主动学习的锌浮选泡沫图像分类算法及系统在权利要求书中公布了：1.一种改进深度主动学习的锌浮选泡沫图像分类算法，其特征在于，包括以下步骤： 步骤一：数据准备； 采集锌块粗选过程中的泡沫图像，组成泡沫图像数据集，其中，泡沫图像数据集包含带有标签的样本集XL，YL与无标签的样本集XU； 步骤二：数据预处理； 将获得的泡沫图像样本进行旋转、翻转，数据增强处理得到样本图像集，将所有样本图像按比例划分为训练集和验证集； 步骤三：搭建深度分类模型； 卷积神经网络结构以DenseNet和Inception网络模型融合为基础，其中包含1个Inception模块、3个dense_block模块和3个transition层，并且将Inception模块设置在第1个transition模块前面，代替原始的dense_block模块； 步骤四：训练初始网络模型； 从有标签的样本集XL，YL随机选择样本数量为n的初始训练集L＝x1，x2，......，xn，输入到训练模型，对训练模型进行初始训练； 步骤五：选择样本，更新模型； 通过主动学习选择无标签的样本集XU中的样本进行标注，对训练模型进行训练调节； 步骤六：得到最终训练调节完毕的DenseNet和Inception-V2模块融合卷积神经网络模型，将待分类泡沫图像数据输入到网络模型中进行识别分类，获得泡沫图像最后的分类结果。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。