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！

龙图腾网获悉广西大学申请的专利一种多模态融合注意力机制的重铬酸钾滴定测定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：CN115953361B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211586011.3，技术领域涉及：G06T7/00；该发明授权一种多模态融合注意力机制的重铬酸钾滴定测定方法是由殷林飞;梁锶文;韦春丽设计研发完成，并于2023-02-04向国家知识产权局提交的专利申请。

本一种多模态融合注意力机制的重铬酸钾滴定测定方法在说明书摘要公布了：本发明提出一种多模态融合注意力机制的重铬酸钾滴定测定方法，该方法获取标准溶液的初始体积和浓度并进行多级速度模式的滴定分析；采集待测溶液状态图像并进行预处理操作；将预处理操作后的状态图像输入融合GoogLeNet的多注意力机制网络进行处理，输出状态图像特征矩阵；采集光谱图并获取待测溶液光谱数据矩阵；将状态图像特征矩阵和光谱数据矩阵进行多模态融合，输出颜色特征值；根据颜色特征值判断滴定分析是否到达滴定终点；若未到达滴定终点，继续滴定分析；若到达滴定终点，停止滴定分析；计算并输出待测溶液的含量；所提方法能提高自动滴定的速度和效率，能够识别颜色微小变化，准确提取确颜色特征值，提高重铬酸钾滴定的精度。

本发明授权一种多模态融合注意力机制的重铬酸钾滴定测定方法在权利要求书中公布了：1.一种多模态融合注意力机制的重铬酸钾滴定测定方法，其特征在于，将多条注意力机制和GoogLeNet网络进行融合，用于避免因为网络的计算长度过长而导致重要信息的丢失的问题，提高对待测溶液颜色信息的关注度；将图像和光谱两个不同的模态信息通过深度神经网络融合，用于丰富颜色的特征信息，识别颜色微小变化，准确提取确颜色特征值，提高重铬酸钾滴定测定的精度；在测定过程中包括如下步骤： 步骤1获取标准溶液的初始体积和浓度并进行多级速度模式的滴定分析； 将磁性搅拌棒子放入待测溶液中； 预先设置好电磁阀的开关大小和通断时间使流量由大变小，从而实现滴定速度自动由大变小的功能，形成多级速度滴定模式；标准溶液通过电磁阀自动地对待测溶液进行多级速度模式的滴定分析； 待测溶液的底部产生磁场推动磁性搅拌棒子做匀速圆周运动，并对待测溶液进行加热，控制滴定分析过程的温度，使标准溶液和待测溶液充分混合； 步骤2采集待测溶液状态图像并进行预处理操作； 在滴定分析的过程中，采用OpenMV摄像头实时采集待测溶液的状态图像； 状态图像的分辨率为640×480，每个像素点的向量采用红色、绿色和蓝色三个颜色分量描述； 将状态图像进行预处理操作，提取图像特征，得到预处理操作后的状态图像；预处理操作包括灰度化、几何变换和图像增强； 步骤3将预处理操作后的状态图像输入融合GoogLeNet的多注意力机制网络进行处理，输出状态图像特征矩阵； 步骤3.1构建融合GoogLeNet的多注意力机制网络的Inception结构； Inception结构分为4条分支，分支一是1×1的卷积层，分支二是3×3的卷积层和1×1的卷积层，分支三是5×5的卷积层和1×1的卷积层，分支四是3×3的最大池化层和1×1的卷积层，4条分支输入到深入卷积层连结并输出； 步骤3.2构建融合GoogLeNet的多注意力机制网络的主支路； 融合GoogLeNet的多注意力机制网络的主支路包括五个模块B、一个模块O和四个最大池化层；五个模块B分别记为B1、B2、B3、B4、B5，每个模块B之间使用一个步幅为2的3×3的最大池化层连接；五个模块B、一个模块O和四个最大池化层的串联通路共同构成融合GoogLeNet的多注意力机制网络的主支路； 步骤3.3在GoogLeNet的多注意力机制网络的主支路引入注意力机制分支，得到融合GoogLeNet的多注意力机制网络； 在融合GoogLeNet的多注意力机制网络的主支路的输入端中，引入注意力机制分支一和分支二，分支一的输出端连接到模块O的输出端；分支二的输出端连接到模块B3的输出端；在模块B4的输入端中，引入注意力机制分支三和分支四；分支三的输出端连接到模块B4的输出端；分支四的输出端连接到模块B5的输出端； 当在融合GoogLeNet的多注意力机制网络的主支路中遇到注意力机制分支的输入端时，获得权重参数作为注意力机制分支的输入，权重参数的尺寸大小与预处理操作后的状态图像的尺寸大小一致；权重参数通过注意力机制分支，直接向后传输，相应地与融合GoogLeNet的多注意力机制网络的主支路相乘； 融合GoogLeNet的多注意力机制网络的主支路和注意力机制分支共同构成融合GoogLeNet的多注意力机制网络； 步骤3.4将预处理操作后的状态图像输入融合GoogLeNet的多注意力机制网络，输出处理后的状态图像特征矩阵； 步骤4光谱仪采集光谱图并获取待测溶液光谱数据矩阵； 光谱仪的波长范围为320nm-1100nm，精度为5nm，分辨率为1nm； 通过光谱仪实时采集待测溶液的光谱图，并对光谱图进行处理，获取待测溶液的光谱数据矩阵，光谱数据矩阵的大小和状态图像特征矩阵大小一致； 步骤5将状态图像特征矩阵和光谱数据矩阵进行多模态融合，输出颜色特征值； 状态图像特征矩阵是由融合GoogLeNet的多注意力机制网络输出的矩阵； 光谱数据矩阵是由光谱仪进行处理后输出的矩阵； 状态图像特征矩阵和光谱数据矩阵输入到深度神经网络的输入层，经过隐藏层的计算和处理，由输出层输出待测溶液的颜色特征值； 步骤6根据颜色特征值判断滴定分析是否到达滴定终点； 判断滴定分析到达滴定终点的标准为颜色特征值到达化学反应颜色终点值的允许误差范围内； 步骤7若判断滴定分析未到达滴定终点，继续滴定分析；若到达滴定终点，停止滴定分析； 步骤8计算并输出待测溶液的含量； 停止滴定后，并根据标准溶液的初始体积和浓度，计算并输出待测溶液的含量。

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广西大学，其通讯地址为：530004 广西壮族自治区南宁市西乡塘区大学东路100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。