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！

龙图腾网恭喜贵州大学申请的专利一种基于新型触觉图的触觉物体识别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：CN118709025B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411203602.7，技术领域涉及：G06F18/24；该发明授权一种基于新型触觉图的触觉物体识别方法及装置是由杨静;于祖坤;阮小利;唐向红;胡丙齐;曹阳设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本一种基于新型触觉图的触觉物体识别方法及装置在说明书摘要公布了：本申请提供了一种基于新型触觉图的触觉物体识别方法及装置，涉及智能机器人触觉物体识别领域。该方法包括：获取触觉数据，并将所述触觉数据划分为训练数据集和测试数据集；基于网络树算法，将所述训练数据集构建成网络树触觉图；构建SNN触觉物体识别模型，并采用误差函数和Dropout层对所述物体识别模型进行优化，得到优化后SNN触觉物体识别模型；根据所述网络树触觉图对所述优化后SNN触觉物体识别模型进行训练，得到训练好的优化后SNN触觉物体识别模型；将所述测试数据集输入所述训练好的优化后SNN触觉物体识别模型中，得到预测的物体类别。以此方式，可以提升模型对触觉数据的处理效率和识别精度。

本发明授权一种基于新型触觉图的触觉物体识别方法及装置在权利要求书中公布了：1.一种基于新型触觉图的触觉物体识别方法，其特征在于，包括：获取触觉数据，并将所述触觉数据划分为训练数据集和测试数据集；基于网络树算法，将所述训练数据集构建成网络树触觉图；其中，所述基于网络树算法，将所述训练数据集构建成网络树触觉图，包括：对所述训练数据集中触觉数据进行预处理，并根据预处理后的触觉数据定义网络树的39个触摸点坐标；根据所述网络树的39个触摸点的坐标，构建邻接矩阵；遍历邻接矩阵，如果矩阵中的某项值为1，则在图G中添加一条连接对应节点的边，既实现了基于给定点集构建邻接矩阵，进而创建并可视化一个无向图的过程，该无向图即定义为网络树触觉图，最终得到的网络树触觉图；构建SNN触觉物体识别模型，并采用误差函数和Dropout层对所述物体识别模型进行优化，得到优化后SNN触觉物体识别模型；其中，所述优化后SNN触觉物体识别模型包括拓扑图卷积层、LIF神经元激发层、全连接层、Dropout层及投票层；其中，所述构建SNN触觉物体识别模型，并采用误差函数和Dropout层对所述物体识别模型进行优化，得到优化后SNN触觉物体识别模型，包括：初始化SNN触觉物体识别模型，并将所述网络树触觉图作为模型输入层；在所述网络树触觉图之后建立拓扑卷积层；使用ERF误差函数对脉冲数据近似表达，得到脉冲神经元的膜电位更新动态；其中，所述使用ERF误差函数对脉冲数据近似表达表示为： ；其中，表示脉冲数据，表示使用ERF误差函数对脉冲数据近似表达，表示控制反向传播时梯度的平滑程度的参数，表示误差函数；将所述脉冲神经元的膜电位更新动态作为输入，添加一个全连接层，缩减神经网络的神经元，获取触觉信息特征；添加dropout层，对SNN触觉物体识别模型正则化；添加投票层，解码网络输出；根据所述网络树触觉图对所述优化后SNN触觉物体识别模型进行训练，得到训练好的优化后SNN触觉物体识别模型；将所述测试数据集输入所述训练好的优化后SNN触觉物体识别模型中，得到预测的物体类别。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；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”。