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！

龙图腾网恭喜湖南科技大学申请的专利基于深度学习网络的加渣机器人加渣方法及装置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：CN114202692B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202111507874.2，技术领域涉及：G06V20/10；该发明授权基于深度学习网络的加渣机器人加渣方法及装置是由卢明;成鹏飞;傅呈勋;何先科设计研发完成，并于2021-12-10向国家知识产权局提交的专利申请。

本基于深度学习网络的加渣机器人加渣方法及装置在说明书摘要公布了：本发明提供一种基于深度学习网络的加渣机器人加渣方法及装置。所述方法通过深度学习网络分析加渣机器人的工作环境图像，识别工作环境图像中的障碍物的位置、结晶器的位置及工作人员的位置，进而实现视觉引导来规划加渣机器人行走轨迹，使得加渣机器人精准俘获结晶器位置，有效实现加渣过程中的障碍物规避及人员误入警报。

本发明授权基于深度学习网络的加渣机器人加渣方法及装置在权利要求书中公布了：1.一种基于深度学习网络的加渣机器人加渣方法，其特征在于，包括如下步骤：步骤S1、预设多条加渣路径，加渣机器人沿多条加渣路径中的一条行走；步骤S2、按照预设的拍摄周期拍摄加渣机器人沿当前路径行走时的工作环境图像；步骤S3、将所述工作环境图像输入训练好的目标检测模型；步骤S4、目标检测模型对所述工作环境图像进行检测，得到检测结果；步骤S5、判断检测结果是否包含工作人员的位置，若包含则加渣机器人直接停机并发出警报，否则继续步骤S6；步骤S6、判断检测结果是否包含结晶器的位置，若包含则继续步骤S7，否则控制所述加渣机器人切换至多条加渣路径中的另一条行走并返回步骤S2；步骤S7、获取加渣机器人的轨迹规划描述及加渣机器人的运动优化函数，将所述结晶器的位置、加渣机器人的轨迹规划描述及加渣机器人的运动优化函数输入预设的动力学模型；步骤S8、结合所述结晶器的位置、加渣机器人的轨迹规划描述及加渣机器人的运动优化函数对所述动力学模型进行逆解，得到加渣机器人的加渣指令；步骤S9、所述加渣机器人根据所述加渣指令向对应的结晶器中进行加渣。

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湖南科技大学，其通讯地址为：411100 湖南省湘潭市雨湖区桃园路湖南科技大学；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”。