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！

龙图腾网恭喜福建省曾志环保科技有限公司申请的专利一种基于图像识别的炉渣垃圾处理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：CN119068428B 。

龙图腾网通过国家知识产权局官网在2025-01-17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：202411571380.4，技术领域涉及：G06V20/52；该发明授权一种基于图像识别的炉渣垃圾处理方法是由宋权波;曾茂山;周忠诚;余剑飞设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种基于图像识别的炉渣垃圾处理方法在说明书摘要公布了：本发明涉及一种基于图像识别的炉渣垃圾处理方法，包括以下步骤：S1:在炉渣垃圾输送带上方设置若干的高分辨率图像采集设备，并对采集的图像进行预处理，将不同角度的图像进行拼接，得到实时监控拼接图像；S2:基于机器学习算法构建炉渣垃圾分类模型；S3:根据炉渣垃圾分类模型和实时监控拼接图像，识别不同类型的炉渣，并进行初步分拣；S4:在每个分类汇集处，均设有图像采集设备，获取分类汇集处实时图像，并基于炉渣分类确认模型进行分类确认；S5:基于分类确认结果，进行二次精细分拣，并通过反馈回路修正识别错误，调整分拣。本发明不仅能够提高炉渣垃圾识别和分拣的精度和效率，还能增强分拣系统的灵活性和适应性，确保在不同环境和条件下的稳定运行。

本发明授权一种基于图像识别的炉渣垃圾处理方法在权利要求书中公布了：1.一种基于图像识别的炉渣垃圾处理方法，其特征在于，包括以下步骤：S1:在炉渣垃圾输送带上方设置若干的高分辨率图像采集设备，实现对流动炉渣的连续监控，并对采集的图像进行预处理，将不同角度的图像进行拼接，得到实时监控拼接图像；S2:基于机器学习算法构建炉渣垃圾分类模型；S3:根据炉渣垃圾分类模型和实时监控拼接图像，识别不同类型的炉渣，并根据识别结果，发送控制信号至执行器，驱动机械臂进行分拣出来，把不同类型的炉渣进行初步分拣；S4:在每个分类汇集处，均设有图像采集设备，获取分类汇集处实时图像，并基于炉渣分类确认模型进行分类确认；S5:基于分类确认结果，进行二次精细分拣，并通过反馈回路修正识别错误，调整分拣过程；所述S2具体为：S21：收集炉渣图像数据，包括不同种类和特征，使用LabelImg，标注图像，构建训练集和测试集；S22：选择ResNet作为模型基础，并加载其预训练参数，设置所有卷积层的参数为不需要计算梯度更新；将模型的最后一个全连接层替换为新的层，适配炉渣垃圾分类任务的输出类别数；S23：基于训练集训练模型，在每个epoch中，遍历训练数据，计算损失并更新权重，得到最终的炉渣垃圾分类模型；所述S22具体为：所述ResNet卷积层计算每个输出特征图的基本单元，公式如下： ；其中，为输出特征图的值；为输入特征图的像素值；为卷积核的权重参数；为卷积核的通道索引;表示特征图的位置索引；M,N分别表示卷积核的高度和宽度；（m,n）为卷积核的空间位置索引；ResNet的残差块采用快捷连接： ；其中，是通过卷积层获得的变化，是残差连接的输入；使用ReLU作为激活函数：ReLUx’=max0,x’在修改后的全连接层中，根据问题的类别数C，定义输出为： ； ；其中，为第类的线性组合输出；为权重矩阵的元素，连接来自上一层的第个特征到当前层第个输出节点的权重；为倒数第二层的输出特征第个特征值；为个输出节点的偏置项；d为倒数第二层的输出特征数量；为第类的预测概率；为所有可能类别得分的指数和；训练过程中使用交叉熵损失进行多类别分类，采用优化算法Adam更新参数；炉渣分类确认模型基于CNN和SVM构建，具体如下：收集多种类型的炉渣图像，确保数据集的多样性，并基于随机裁剪、旋转、翻转、色彩抖动处理扩充数据集；使用扩充数据集训练CNN模型，所述CNN基于预训练的VGG模型，在扩充数据集上微调模型的最后几层，基于中间层和末层提取特征，在模型的中间层通过卷积层的输出提取特征向量，从末层获取高层抽象特征，形成综合特征向量；将CNN模型提取的综合特征向量作为输入，训练SVM模型；通过交叉验证选择最优的SVM核参数和正则化参数，基于训练后的CNN模型和SVM模型，构建得到炉渣分类确认模型；所述SVM模型具体如下：使用高斯核函数将特征映射到高维空间： ；其中，分别为第和个输入特征向量；为计算两个特征向量之间的欧氏距离平方；为高斯核的带宽参数；在SVM中,目标函数为： ；其中，为权重向量，定义超平面的方向；为偏置项；为权重向量的二范数平方；为正则化参数；为松弛变量；为训练数据集中样本的总数量；约束条件： ；其中，为第个输入特征向量的标签；为第个输入特征向量通过核函数映射后的高维特征；上标T表示转置；所述S5具体为：S51：基于分类确认结果，将错误分类的炉渣垃圾进行二次精细分拣，并记录错误分类的样本及其特征；S52：将错误分类的样本反馈到系统中，更新炉渣垃圾分类模型的训练数据集；S53：定期重新训练炉渣垃圾分类模型，利用新的数据提高模型的准确性。

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福建省曾志环保科技有限公司，其通讯地址为：350000 福建省福州市闽侯县上街镇高新大道66号清华紫光浦上商业小镇(现:紫光浦上商业广场)B5#楼11层1109SOHO办公；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”。