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！

龙图腾网获悉湖南大学申请的专利基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质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：CN119851098B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202510329761.X，技术领域涉及：G06V10/82；该发明授权基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质是由邓露;许绍鹏;郭晶晶;王淞悦设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质在说明书摘要公布了：本申请公开了基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质，涉及土木建筑领域，应用于钢筋绑扎机器人，包括：采集当前绑扎区域的目标2D图和目标深度图，利用表层钢筋网提取算法对目标2D图和目标深度图进行处理以得到表层钢筋网图像，并输入至绑扎判识定位模型以确定出已绑扎点、未绑扎点和关键点坐标；关键点包括已绑扎点和未绑扎点；对关键点坐标进行路径排序以得到目标绑扎路径，基于目标绑扎路径绑扎未绑扎点；其中，表层钢筋网提取算法为利用基于动态贝叶斯网络改进的随机样本一致算法构建的算法；绑扎判识定位模型为基于关键点检测深度学习模型和邻域深度平均算法构建的模型。本申请提高了钢筋绑扎机器人的工作效率。

本发明授权基于深度学习的钢筋绑扎决策方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于深度学习的钢筋绑扎决策方法，其特征在于，应用于钢筋绑扎机器人，包括：利用预设3D相机采集目标钢筋笼的当前绑扎区域的目标2D图和目标深度图，并利用预设的表层钢筋网提取算法对所述目标2D图和所述目标深度图进行处理，以得到所述目标钢筋笼对应的表层钢筋网图像；将所述表层钢筋网图像输入至预设的绑扎判识定位模型以对所述表层钢筋网图像中的关键点进行分类，以确定出已绑扎点、未绑扎点和所述关键点对应的关键点坐标和深度值；所述关键点包括所述已绑扎点和所述未绑扎点，所述关键点坐标为所述关键点在所述目标深度图和所述目标2D图中的像素坐标；基于预设绑扎路径规划方法和预设绑扎方式对所有所述关键点坐标进行路径排序以得到目标绑扎路径，并基于所述目标绑扎路径对所述目标钢筋笼的未绑扎点进行绑扎；其中，所述基于预设绑扎路径规划方法和预设绑扎方式对所有所述关键点坐标进行路径排序以得到目标绑扎路径，包括：若所述预设绑扎方式为跳扎法，则基于所述预设绑扎路径规划方法对所有所述关键点坐标进行路径排序以确定待优化绑扎路径，并基于上一绑扎区域的绑扎信息确定当前绑扎区域的绑扎起始点，以基于所述绑扎起始点对所述待优化绑扎路径进行优化以确定所述目标绑扎路径；其中，所述基于上一绑扎区域的绑扎信息确定当前绑扎区域的绑扎起始点，以基于所述绑扎起始点对所述待优化绑扎路径进行优化以确定所述目标绑扎路径，包括：若所述预设绑扎路径规划方法为弓字形路径，从所述待优化绑扎路径中提取奇数索引的第一关键点列表和偶数索引的第二关键点列表，基于所述第一关键点列表、所述第二关键点列表和上一绑扎区域的绑扎信息确定第三关键点列表和当前绑扎区域的绑扎起始点，并去除所述第三关键点列表中的所有所述已绑扎点以确定所述目标绑扎路径；所述待优化绑扎路径为基于所述弓字形路径对所述关键点进行排序得到的关键点列表；其中，所述表层钢筋网提取算法为利用基于动态贝叶斯网络改进的随机样本一致算法构建的算法；所述绑扎判识定位模型为基于关键点检测深度学习模型和邻域深度平均算法构建的模型，所述关键点检测深度学习模型为对YOLOv9-pose模型进行训练得到的模型。

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，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。