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！

龙图腾网获悉泉州装备制造研究所申请的专利一种基于Transformer神经网络的焊缝点位置提取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：CN115018819B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210785883.6，技术领域涉及：G06T7/00；该发明授权一种基于Transformer神经网络的焊缝点位置提取方法是由李琦铭;杨进兴;程靖航;李俊设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本一种基于Transformer神经网络的焊缝点位置提取方法在说明书摘要公布了：本发明提供一种基于Transformer神经网络的焊缝点位置提取方法，所述方法包括：采集焊缝图片作为训练样本，对训练样本进行特征点提取；获取特征点的坐标信息，并进行归一化处理；将处理后的数据输入到训练网络中，输出训练结果，将训练结果与真实值进行比较，输出并保存最优训练参数；将所述最优训练参数输入到训练网络中，得到最终的焊缝网络模型；采集待检测的焊缝图片，进行特征点提取与数据处理之后，输入到最终的焊缝网络模型，得到待检测的焊缝图片的焊缝点坐标信息；将获取到的焊缝点坐标信息输出给焊接机器人，通过焊接机器人执行自动化焊接操作。本发明提高了焊缝点位置提取的精度和效率，使其满足机器人焊接的实时性需求和相关工业性标准。

本发明授权一种基于Transformer神经网络的焊缝点位置提取方法在权利要求书中公布了：1.一种基于Transformer神经网络的焊缝点位置提取方法，其特征在于：包括如下步骤： 步骤1、采集焊缝图片作为训练样本，通过特征提取算法Canny算子获取焊缝的特征点，所述特征点包括焊缝点和非焊缝点，将其中的焊缝点标为正样本，非焊缝点标为负样本； 步骤2、获取特征点的坐标信息，并进行归一化处理； 步骤31、预先定义焊缝点标签为1，非焊缝点标签为0，将每张图焊缝特征点的坐标跟其对应的标签进行一一对应之后，标签是N×1的格式，表示N个点的真实标签； 步骤32、把处理后的特征点数据N×2的矩阵输入到训练网络中，所述训练网络为Transformer神经网络； 步骤33、利用Transformer神经网络的编码部分学习全局点的特征信息，给每个特征信息进行编码；具体包括： 步骤331、将每个焊缝图的N个特征点的坐标值X进行拆分，拆分成N个小块向量，并将N个小块向量的X（s，t）横纵2个维度嵌入到128维，用高维向量a表示，每个a的维度为1×128，[a1，a2，…，an]表示N个输入信息的集合转化成N×128的矩阵，将a分别跟三个不同的向量,,相乘，得到Q,K,V三个向量； 其中，表示三个网络学习的参数，维度等于a的转置； 步骤332、将Q,K,V输入到多头注意力模块，得到多个层面的特征信息； 步骤333、将多个层面的特征信息输入到残差和层标准化层，残差连接是把上一层的输入和上一层的输出加起来，层标准化对每一层做标准化； 步骤334、最后输入到前馈网络中，前馈网络为简单两层线性映射再经过一个激活函数的运算，再经残差和层标准化层处理完成网络编码，为每个特征点信息进行编码； 步骤34、将编码结果、已经得到的焊缝点标签、非焊缝点标签输入到Transformer解码部分，一起进行训练，得到矩阵解码、焊缝点类别、非焊缝点类别，然后通过运算得到提纯后的焊缝信息，最后将焊缝信息还原到原始数据大小，输出预测的类别信息； 步骤35、根据输出预测的类别信息与真实值进行比较，计算误差反向传播，更新网络参数，直至网络到达收敛状态时保存最优训练参数； 步骤4、将所述最优训练参数输入到训练网络中，得到最终的焊缝网络模型； 步骤5、采集待检测的焊缝图片，进行特征点提取与数据处理之后，输入到最终的焊缝网络模型，得到待检测的焊缝图片的焊缝点坐标信息； 步骤6、将获取到的焊缝点坐标信息输出给焊接机器人，通过焊接机器人执行自动化焊接操作。

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泉州装备制造研究所，其通讯地址为：362000 福建省泉州市台商投资区洛阳镇上浦村吉贝511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”。