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！

龙图腾网获悉中国铁路西安局集团有限公司;西安耀达通铁路工程有限公司申请的专利基于多点图像采集的图像数据整合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：CN121600361B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610116411.X，技术领域涉及：G06V10/80；该发明授权基于多点图像采集的图像数据整合方法是由张世超;张治斌;马骏;陈新强;邓军;孙艺瑄设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本基于多点图像采集的图像数据整合方法在说明书摘要公布了：本发明涉及图像管理技术领域，具体为基于多点图像采集的图像数据整合方法。其构建适配的图像整合强化学习训练框架，依托数字孪生场景模型复刻实际采集环境的硬件特性与物理干扰，结合多点图像整合智能体动态输入输出设计、优先级经验回放机制及稳定训练优化逻辑，提升训练稳定性与策略泛化性，避免实际场景中硬件参数漂移等导致的整合效果波动，打破传统固定流程适配动态场景的局限。同时设计创新奖励体系：清晰度奖励排除背景干扰、过滤虚假梯度；一致性奖励聚焦重叠区域、避免极端偏差干扰；完整性奖励区分缺陷权重，保障关键缺陷保留，三者引导智能体策略符合工业检测需求。

本发明授权基于多点图像采集的图像数据整合方法在权利要求书中公布了：1.基于多点图像采集的图像数据整合方法，其特征在于，方法步骤如下： 步骤一：构建适配多点图像采集场景的图像整合强化学习训练框架； 构建适配多点图像采集场景的图像整合强化学习训练框架，具体如下：首先，构建多点采集场景的数字孪生场景模型，构建多点图像整合智能体，设定状态转换与奖励反馈机制，搭建经验回放机制，设定训练优化与参数更新逻辑； 构建多点图像整合智能体，具体如下：明确多点图像整合智能体输入维度与特征来源，设计适配图像数据整合任务的网络结构，定义与整合子任务匹配的动作空间，设定训练参数；明确多点图像整合智能体输入维度与特征来源：输入包含图像特征与场景状态两类，总维度随采集点数量K动态调整，确保覆盖图像内容属性与场景动态约束； 设计适配图像数据整合任务的网络结构，包含：输入层：图像特征支流、场景状态支流；特征提取层：图像支流：3层CNN+1层全局池化；场景支流：3层全连接，输出32维；交叉注意力融合层：采用多头注意力机制，计算图像特征与场景状态的互注意力权重，输出融合特征256维;决策层:价值流：2层全连接，输出状态价值Vs；优势流：2层全连接，输出动作优势As,a；整合输出：Qs,a=Vs+As,a-meanAs,a,其中，meanAs,a为动作优势的平均值； 定义与整合子任务匹配的动作空间：将每个动作映射为0-31的整数索引，对子任务进行动作拆分，拆分为预处理子任务、校准子任务以及融合子任务；预处理子任务的动作类型：自适应去噪参数调整；预处理子任务的动作数量：10种；预处理子任务的具体动作定义：高斯滤波标准差；校准子任务的动作类型：特征匹配策略+阈值组合；校准子任务的动作数量：12种，校准子任务的具体动作定义：匹配策略×匹配阈值，索引10-21；融合子任务的动作类型：动态权重分配；融合子任务的动作数量：10种；融合子任务的具体动作定义：多图像融合权重系数α∈{0.1,0.2,...,1.0}，α为主要采集点权重，其余点按1-αK-1分配；主要采集点是指基于当前场景状态动态筛选出的、对最终整合结果贡献优先级最高的采集点； 设定训练参数：学习率：初始η=0.001，采用指数衰减；经验回放批量：32个样本批次；折扣因子γ=0.95；目标网络更新频率：每1000步同步一次主网络参数；探索率：初始1.0，线性衰减至0.1，平衡探索与利用； 状态转换机制，具体如下： 动作解析与执行：智能体输出的动作索引0-31经环境模块解析为具体操作指令，分三类执行逻辑： 预处理动作0-9：对K个采集点图像执行高斯滤波，滤波强度与动作索引线性关联； 校准动作10-21：解析为“匹配策略+阈值”组合，调用对应算法计算K个图像间的变换矩阵，完成视角对齐； 融合动作22-31：解析为融合权重α，按主要采集点权重α+其余点均分1-α规则计算加权融合图像； 状态更新规则：新状态由三部分构成，更新公式如下：，其中：：经动作处理后的K个采集点图像；：更新后的图像特征；：更新后的场景状态，包括：噪声强度：去噪后按局部方差重新计算；视角重叠度：校准后通过特征匹配率重新计算；整合阶段标记：自动递增； 奖励反馈机制，具体如下：定义清晰度奖励、一致性奖励、完整性奖励，进一步定义多点图像整合奖励函数；其中，为清晰度权重、为一致性权重、为完整性权重；、、随当前整合阶段动态变化； 清晰度奖励；其中，为有效像素总数，即有效像素集中包含的像素数量；为有效像素集；为区域权重系数，；为像素的边缘梯度强度；为噪声自适应阈值； 一致性奖励；q代表单个像素，是所有多视角重叠区域的像素集合；为像素权重系数，对不同像素区域的差异赋予的权重，采用简化的二元权重： ；为同一像素q在两个不同视角图像中的灰度值差异的绝对值；即，其中，、分别是像素q在视角a和视角b中的灰度值；为灰度差阈值；表示全局重叠区域总像素数，即； 完整性奖励；M为原始缺陷总数；m为缺陷索引；为缺陷重要性权重，即第m个缺陷的重要性系数，采用简化的二元权重，；表示缺陷区域交并比，原始缺陷与整合后图像中匹配到的缺陷的区域重叠度，计算公式简化为；表示原始缺陷，原始场景中标记的第m个缺陷；表示整合后图像中的匹配缺陷，经智能体整合后的图像中，与原始缺陷对应的缺陷； 步骤二：定义图像整合的状态空间与特征空间； 步骤三：基于NSGA-II算法生成帕累托最优整合策略集并执行最优整合策略。

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中国铁路西安局集团有限公司;西安耀达通铁路工程有限公司，其通讯地址为：710000 陕西省西安市碑林区友谊东路33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”。

以上内容由龙图腾AI智能生成。