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！

龙图腾网恭喜湖南大学;湖南省交通科学研究院有限公司申请的专利焊缝关键点识别方法、装置、设备、介质及程序产品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：CN119418258B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202510020828.1，技术领域涉及：G06V20/50；该发明授权焊缝关键点识别方法、装置、设备、介质及程序产品是由孔烜;林志霏;易金鑫;邓露;戴剑军设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本焊缝关键点识别方法、装置、设备、介质及程序产品在说明书摘要公布了：本发明公开了一种焊缝关键点识别方法、装置、设备、介质及程序产品，该方法包括：基于训练图像数据和标注数据生成数据集，构建原始识别模型，对原始识别模型进行改进，基于数据集对改进后的原始识别模型进行训练和优化，获得目标识别模型；通过焊接机器人上的图像采集设备采集焊接件的深度图像和RGB图像；将RGB图像输入至目标识别模型进行焊缝关键点识别，基于识别结果和深度图像确定焊接件的焊缝关键点坐标，实现对焊缝关键点的精准识别，从而引导焊接机器人准确到达焊缝关键点坐标位置进行焊接，提升了关键点识别自主性和适应性，有效地适配不同需求的焊接任务，确保焊接质量的同时，大幅提升了焊接效率，降低时间成本。

本发明授权焊缝关键点识别方法、装置、设备、介质及程序产品在权利要求书中公布了：1.一种焊缝关键点识别方法，其特征在于，所述焊缝关键点识别方法包括：获取训练图像数据以及所述训练图像数据对应的标注数据；基于所述训练图像数据和所述标注数据生成数据集；构建原始识别模型，并对所述原始识别模型进行改进，获得改进后的原始识别模型；基于所述数据集对所述改进后的原始识别模型进行训练和优化，获得目标识别模型；通过焊接机器人上的图像采集设备采集焊接件的深度图像和RGB图像，所述图像采集设备包括深度摄像头和RGB摄像头；将所述RGB图像输入至所述目标识别模型进行焊缝关键点识别，基于识别结果和所述深度图像确定所述焊接件的焊缝关键点坐标，所述焊缝关键点坐标用于引导所述焊接机器人对所述焊接件上的焊缝关键点进行定位；所述原始识别模型包括CBS模块、LAE模块、C2f层和多个检测头模块；所述对所述原始识别模型进行改进，包括以下至少一项：增加最大池化层至所述CBS模块；增加自适应混合池化模块至所述LAE模块，所述自适应混合池化模块包括最大池化层和平均池化层，所述最大池化层和所述平均池化层的注意力权重基于预设学习参数配置；利用EXconv模块替换所述C2f层中的Bottleneck模块，所述EXconv模块由局部特征融合模块、深度卷积模块、深度可分离卷积模块、批归一化层模块和残差连接层构成；在所述多个检测头模块前的C2f层的EXconv模块之后增加多尺度空间注意力模块，所述多尺度空间注意力模块用于将输入特征图的通道划分为多个头部、以不同的扩张率执行多尺度滑动窗口膨胀注意力以及聚合语义信息；将各检测头模块替换为共享卷积检测头模块，多个所述共享卷积检测头模块共用同一卷积层。所述原始识别模型包括CBS模块、LAE模块、C2f层和多个检测头模块；所述对所述原始识别模型进行改进，包括以下至少一项：增加最大池化层至所述CBS模块；增加自适应混合池化模块至所述LAE模块，所述自适应混合池化模块包括最大池化层和平均池化层，所述最大池化层和所述平均池化层的注意力权重基于预设学习参数配置；利用EXconv模块替换所述C2f层中的Bottleneck模块，所述EXconv模块由局部特征融合模块、深度卷积模块、深度可分离卷积模块、批归一化层模块和残差连接层构成；在所述多个检测头模块前的C2f层的EXconv模块之后增加多尺度空间注意力模块，所述多尺度空间注意力模块用于将输入特征图的通道划分为多个头部、以不同的扩张率执行多尺度滑动窗口膨胀注意力以及聚合语义信息；将各检测头模块替换为共享卷积检测头模块，多个所述共享卷积检测头模块共用同一卷积层。

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大学;湖南省交通科学研究院有限公司，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路2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”。