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！

龙图腾网获悉明创慧远(贵州)技术有限公司;明创慧远科技集团有限公司;明创慧远(长沙)信息技术有限公司申请的专利基于深度学习的矿物动态识别与精准取样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：CN121564628B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610098478.5，技术领域涉及：G06V20/40；该发明授权基于深度学习的矿物动态识别与精准取样方法及系统是由梁五元;王富刚;刘秘;刘小明;张鹏设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于深度学习的矿物动态识别与精准取样方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的矿物动态识别与精准取样方法及系统，包括：获取井下环境中矿车上的矿物图像数据和激光雷达测距数据，对其进行预处理获取矿物特征数据；设计多尺度特征融合的深度卷积神经网络架构并进行多阶段训练，确定矿物识别模型；利用矿物识别模型进行目标检测，通过卡尔曼滤波器和匈牙利算法实现多目标跟踪；使用FAST角点检测、ORB描述子和光流算法计算矿车运动参数；利用多传感器融合和扩展卡尔曼滤波器预测目标矿物未来位置；基于预测位置，通过五次多项式插值和动力学补偿控制执行精准取样操作。本发明能在复杂井下环境中实现高精度矿物识别和动态精准取样，显著提高了矿物取样的代表性和生产效率。

本发明授权基于深度学习的矿物动态识别与精准取样方法及系统在权利要求书中公布了：1.一种基于深度学习的矿物动态识别与精准取样方法，其特征在于，包括以下步骤: 获取井下环境中矿车上的矿物图像数据和激光雷达测距数据，对所述矿物图像数据和所述激光雷达测距数据进行预处理，获取矿物特征数据； 设计多尺度特征融合的深度卷积神经网络架构并进行多阶段训练，确定出矿物识别模型，其中，设计多尺度特征融合的深度卷积神经网络架构，包括：基于矿物数据集和矿物光谱反射率、晶体结构和化学成分的物理特性，将矿物学规律编码为网络结构的约束条件，设计物理知情模块与数据驱动模块，通过物理一致性损失函数耦合两部分，得到物理知情混合网络架构；利用所述物理知情混合网络架构，将高维输入分解为多个一维函数，设计N个并行子网络分别负责颜色、纹理和形态特征的提取，通过自适应加权融合整合所述N个并行子网络输出，得到并行柯尔莫哥洛夫-阿诺德网络结构，其中N为大于1的正整数；基于所述并行柯尔莫哥洛夫-阿诺德网络结构，按矿物类别包括硫化矿、氧化矿和硅酸盐矿以及物理特性包括反光性、颜色和硬度表现划分子域，为每个子域配置专门的子网络，通过重叠区域和边界条件保持子域间信息交流，得到域分解网络配置；基于所述域分解网络配置，设计包含标准分类损失、物理一致性损失、域间一致性损失和不确定性估计损失的多目标损失函数，平衡数据驱动学习与物理规律约束，得到物理约束损失函数；基于所述物理约束损失函数，采用改进的ResNet-50作为骨干网络并集成特征金字塔网络结构，进行多阶段训练，得到所述矿物识别模型； 利用所述矿物识别模型对所述矿物特征数据进行目标检测，为检测到的目标矿物分配唯一ID并提取深度外观特征，使用卡尔曼滤波器建立目标运动模型并进行预测，通过匈牙利算法进行多目标关联匹配，得到目标矿物的运动轨迹数据； 基于所述运动轨迹数据，使用改进的FAST角点检测算法提取连续图像帧的特征点，通过ORB描述子和RANSAC算法进行特征匹配，应用金字塔Lucas-Kanade光流算法计算像素级位移向量场，得到矿车的速度与位移数据； 基于所述速度与位移数据，将摄像头、激光雷达和IMU的多传感器数据进行时空对齐并重建目标矿物的三维空间位置，建立非线性动力学模型，使用扩展卡尔曼滤波器融合多传感器数据并预测未来时刻目标矿物位置，得到目标空间坐标数据； 基于所述目标空间坐标数据，使用五次多项式插值法生成关节空间轨迹并进行时间最优控制优化，通过动力学补偿控制协调机械臂各关节运动，执行精准取样操作。

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明创慧远(贵州)技术有限公司;明创慧远科技集团有限公司;明创慧远(长沙)信息技术有限公司，其通讯地址为：550000 贵州省贵阳市贵安新区高端装备制造产业园南部园区标准厂房12号楼；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。