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！

龙图腾网获悉北京理工大学申请的专利一种基于卷积神经网络和自注意力机制的智能矿物分选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：CN116403021B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310084004.1，技术领域涉及：G06V10/764；该发明授权一种基于卷积神经网络和自注意力机制的智能矿物分选方法是由邓方;刘洋;王雪旖;陈杰设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种基于卷积神经网络和自注意力机制的智能矿物分选方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络和自注意力机制的智能矿物分选方法，实现了高精度、高效率、低体积、低计算复杂度的智能矿物分选。该架构通过结合卷积运算中局部性、平移不变性的归纳偏执和自注意力机制的全局性及长距离依赖性，建立了识别能力更强、特征捕获能力更优的矿物图像分类模型，相较于单一基于卷积神经网络或基于自注意力机制的网络，本发明提出的架构有着更高的分类精度和更低的计算复杂度。其次，本发明所提供的架构适用于多种类、多类别矿物图像的细粒度分类任务，对表观特征差异较小的矿物图像有着优异的判别能力。

本发明授权一种基于卷积神经网络和自注意力机制的智能矿物分选方法在权利要求书中公布了：1.一种基于卷积神经网络和自注意力机制的智能矿物分选方法，其特征在于包括以下步骤： 步骤1：获取待处理的矿物图像数据，并将获取的矿物图像数据划分为训练集和验证集； 步骤2：对步骤1获得的矿物图像数据进行标注，获取矿物图像数据的标签； 步骤3：根据步骤1获得的矿物图像数据和步骤2获取的矿物图像数据标签，构建基于卷积神经网络和自注意力机制的矿物图像分类模型； 步骤4：使用步骤1中划分的训练集和验证集对步骤3构建的基于卷积神经网络和自注意力机制的矿物图像分类模型进行训练； 步骤5：终止所述矿物图像分类模型的训练过程，得到所述训练后的基于卷积神经网络和自注意力机制的矿物图像分类模型； 步骤6：通过步骤5获得的基于卷积神经网络和自注意力机制的矿物图像分类模型对新采集的矿物图像数据进行预测，完成矿物分选； 所述的步骤1中，获取矿物图像数据时，搭建矿物图像数据采集平台；所述的矿物图像数据是在工业相机在传送带正上方拍摄的，按照比例8:2划分训练集和验证集； 所述步骤3中，基于卷积神经网络和自注意力机制的矿物图像分类模型包括卷积颈、下采样层、自注意力编码器、均值池化层、投影层和分类器； 所述卷积颈由3个卷积层构成，负责引入卷积运算的归纳偏执，其中一个卷积层的步长为2、卷积核大小为3×3，另外两个卷积层的步长为1、卷积核大小为3×3； 所述下采样层由1个卷积层构成，负责降低特征图像维度并生成用于自注意力编码器特征运算的特征数据，其中卷积层的步长为2、卷积核大小为2×2； 所述自注意力编码器由1个卷积层、2个层归一化层、1个卷积多头自注意力模块、1个倒置瓶颈前馈神经网络和3条残差连接构成，负责计算输入图像中各区域的注意力权重； 所述均值池化层对输入特征值进行平均池化运算，负责汇聚重要的矿物图像特征信息； 所述投影层由1个卷积层构成，负责整合前序网络所提取到的矿物图像特征信息，并将输出传输给分类器，其中卷积层的步长为1、卷积核大小为1×1； 所述分类器由1个全连接层构成，负责建立特征信息与类别信息之间的关系。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。