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！

龙图腾网恭喜南京泰祺瑞新材料科技有限公司申请的专利基于图像深度学习的螺旋道钉工艺参数优化系统及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：CN119313654B 。

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：202411838343.5，技术领域涉及：G06T7/00；该发明授权基于图像深度学习的螺旋道钉工艺参数优化系统及方法是由梁广贤;刘礼铭;雷泽然;陈佳佳;梁子婧;汪甜甜;雷杰;许兴国;汤浩;赵文波设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于图像深度学习的螺旋道钉工艺参数优化系统及方法在说明书摘要公布了：本发明公开了基于图像深度学习的螺旋道钉工艺参数优化系统及方法，涉及智能控制技术领域，收集螺旋道钉目标信息、实时图像数据和工艺参数集合，使用图像处理技术分析实时图像数据中螺旋道钉的各项实时质量参数；基于实时质量参数和螺旋道钉目标信息，构建质量评估函数，分析挤压产品质量，基于挤压产品质量和工艺参数集合，使用深度强化学习模型生成工艺调整策略，基于工艺调整策略，使用自动化控制系统动态调整工艺参数，自动化控制系统实时接收图像处理反馈信息，并基于图像处理反馈信息迭代训练深度强化学习模型，本发明能够自适应地优化工艺设置，提高生产过程的灵活性和产品一致性。

本发明授权基于图像深度学习的螺旋道钉工艺参数优化系统及方法在权利要求书中公布了：1.基于图像深度学习的螺旋道钉工艺参数优化方法，其特征在于，包括以下步骤：步骤一：收集螺旋道钉目标信息、实时图像数据和工艺参数集合；步骤二：使用图像处理技术分析实时图像数据中螺旋道钉的各项实时质量参数；基于实时质量参数和螺旋道钉目标信息，构建质量评估函数；步骤三：基于实时质量参数和螺旋道钉目标信息，使用质量评估函数，分析挤压产品质量；步骤四：基于挤压产品质量和工艺参数集合，使用深度强化学习模型生成工艺调整策略；步骤五：基于工艺调整策略，使用自动化控制系统动态调整工艺参数，自动化控制系统实时接收图像处理反馈信息，并基于图像处理反馈信息迭代训练深度强化学习模型；所述螺旋道钉目标信息的收集方式为：收集生产计划中，预期生产出的螺旋道钉在每一单位时刻中，各项质量参数的实时预期值，并在生产计划中收集待挤压的原材料的材料特性和表面处理信息；所述各项质量参数的实时预期值、原材料的材料特性和表面处理信息组成螺旋道钉目标信息；所述基于实时质量参数和螺旋道钉目标信息，构建质量评估函数的方式为：对于挤压过程中的任意单位时间：计算实时质量参数中的各项质量参数的实时值与螺旋道钉目标信息中对应质量参数的对应时间的实时预期值之间的差值，作为该项质量参数的质量参数差值；基于各项质量参数差值，构建质量评估函数；所述使用深度强化学习模型生成工艺调整策略的方式为：设置深度强化学习模型为Actor-Critic网络模型；定义深度强化学习模型的学习环境；所述学习环境包括状态空间、动作空间和奖励函数；定义所述状态空间为当前工艺参数和产品质量指标的集合；所述状态空间包括温度、压力、速度的实时读数，以及由质量评估函数计算出的使用综合质量评分表示的产品质量；定义所述动作空间为可调整的工艺参数范围；所述动作空间包括增加或减少温度、压力和速度的值；所述奖励函数用于鼓励深度强化学习模型优化产品质量，所述奖励函数基于实施的动作和综合质量评分构建；对Actor-Critic网络模型进行初始化；使用过去挤压生产过程中记录的动作空间、选择的动作以及获得的奖励进行对Actor-Critic网络模型进行初步训练，以收集不同生产条件下的状态、动作、奖励三元组；初始化Actor网络和Critic网络的权重；在每个单位时间内，Actor网络根据当前状态选择动作，执行该动作后，获得新的状态和奖励；Critic网络评估新状态的价值，更新价值函数；使用梯度上升法更新Actor网络，以最大化长期奖励；使用时序差分误差更新Critic网络，以提高状态评估的准确性；使用训练完成的深度强化学习模型中的Actor网络输出待监测螺旋道钉的每单位时间从动作空间中选择的动作，作为工艺参数调整策略。

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南京泰祺瑞新材料科技有限公司，其通讯地址为：210028 江苏省南京市栖霞区寅春路18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”。