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！

龙图腾网获悉安徽工业大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)申请的专利一种基于分层细粒度融合联邦学习的分布式废钢检测方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：CN116524309B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310094938.3，技术领域涉及：G06V10/80；该发明授权一种基于分层细粒度融合联邦学习的分布式废钢检测方法及系统是由张卫东;吴宣够;郑啸;赵伟设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本一种基于分层细粒度融合联邦学习的分布式废钢检测方法及系统在说明书摘要公布了：本发明提供的基于分层细粒度融合联邦学习的分布式废钢检测方法及系统，涉及冶金领域；其方法包括：接收各客户端上传的本地模型参数；根据上传的本地模型参数的差异，采用分层细粒度融合的权重设置方式对客户端的本地模型参数进行融合，获得全局融合模型参数；广播全局融合模型参数至所有客户端，以便各客户端根据全局融合模型参数进行新一轮的迭代训练直至本地模型达到设定的预期模型精度，进而以训练完成的本地模型作为本地废钢检测模型进行废钢检测。本发明借助联邦学习进行分布式的废钢检测判级，保护各卸料点的数据隐私安全，并且细粒度融合权重设置能够提高对不同卸料点异构废钢数据的检测能力。

本发明授权一种基于分层细粒度融合联邦学习的分布式废钢检测方法及系统在权利要求书中公布了：1.一种基于分层细粒度融合联邦学习的分布式废钢检测方法，其特征在于，应用于联邦学习的服务器端，包括： 接收各客户端上传的本地模型根据本地训练数据集训练的本地模型参数；其中，各客户端由各卸料点构成； 根据客户端上传的本地模型参数的差异，采用分层细粒度融合的权重设置方式对客户端的本地模型参数进行融合，获得全局融合模型参数，其中，计算过程为：定义服务器端的全局模型和客户端的本地模型均为一具有L层神经网络的深度学习模型，分别记为客户端k的模型参数和服务器端的全局模型参数为；并且，按层划分客户端k的模型参数的全局模型参数为行向量集合，按层划分服务器端的全局模型参数的模型参数为行向量集合；其中，，，为联邦学习系统中客户端总数；根据cosine相似度计算客户端k的模型参数与服务器端的全局模型参数在对应层行向量上的相似度：；计算各客户端的相似度占所有客户端在该层的相似度总和的比例，并以该比例作为客户端的本地模型参数在第l层的融合权重：；根据权重对各客户端每一层的模型参数加权平均，获得服务器端在对应层的融合模型参数：，并作为服务器端在该层新一轮的迭代训练的全局模型参数；其中，服务器端建立有与各客户端的本地模型结构相同的全局模型，并且所述全局模型的初始化全局模型参数随机生成； 广播全局融合模型参数至所有客户端，以便各客户端根据全局融合模型参数进行新一轮的迭代训练直至各客户端的本地模型达到设定的预期模型精度，进而以各客户端对应训练完成的本地模型作为其本地废钢检测模型进行废钢检测。

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安徽工业大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)，其通讯地址为：243032 安徽省马鞍山市湖东中路59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。