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！

龙图腾网获悉昆明理工大学申请的专利一种三七主根切割轨迹生成方法及系统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：CN114140485B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111431225.9，技术领域涉及：G06V10/44；该发明授权一种三七主根切割轨迹生成方法及系统是由王森;邢开哲;陈明方;林森;陈中平设计研发完成，并于2021-11-29向国家知识产权局提交的专利申请。

本一种三七主根切割轨迹生成方法及系统在说明书摘要公布了：本发明公开了一种三七主根切割轨迹生成方法及系统，方法包括构建三七图像数据集；对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型；将收集的三七图像数据集制作成训练数据集和验证数据集；使用训练数据集对深度学习网络模型进行训练，筛选出多个候选权重；选出一个最优权重；获得冻结模型；将新获取的待检测的三七图像输入冻结模型以进行检测，获得密集的检测边界框；提取出检测边界框的四个角坐标和中心点坐标，获得散点坐标和一条由中心点连接而成的折线；将散点坐标依次枚举，并依次进行连接，连接时不与上述折线相交，获得连接的封闭轮廓；将封闭轮廓进平滑处理，获得刀路轨迹。本发明能有效生成切除三七非主根部分的轨迹。

本发明授权一种三七主根切割轨迹生成方法及系统在权利要求书中公布了：1.一种三七主根切割轨迹生成方法，其特征在于：包括： 构建三七图像数据集； 对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型； 将收集的三七图像数据集制作成训练数据集和验证数据集； 使用训练数据集对深度学习网络模型进行训练，筛选出多个候选权重； 使用验证数据集分别对候选权重的性能进行评估，选出一个最优权重； 将最优权重载入深度学习网络模型，并用此模型对待检测三七图像进行检测以调整深度学习网络模型的检测超参数，确定最优检测超参数后也将其载入深度学习网络模型，获得冻结模型； 将新获取的待检测的三七图像输入冻结模型以进行检测，获得密集的检测边界框； 提取出检测边界框的四个角坐标和中心点坐标，将检测边界框的所有角坐标进行筛选和排序，而中心坐标则进行排序并依次按顺序连接；获得散点坐标和一条由中心点连接而成的折线； 将散点坐标依次枚举，并依次进行连接，连接时不与上述折线相交，获得连接的封闭轮廓； 将封闭轮廓进平滑处理，获得刀路轨迹； 所述对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型，包括：利用由浅层网络、多尺度残差单元、多尺度特征融合模块和预测头模块构建深度学习网络模型的雏形；通过消融实验和三七数据集中尺寸数据对模型进行调整，获得深度学习网络模型； 所述使用训练数据集对深度学习网络模型进行训练，筛选出多个候选权重，包括： 步骤4.1、配置深度学习网络模型yolo3-master的train.py文件中的训练超参数，超参数调整包括以下至少之一：抽取图片数、学习率、动量、迭代次数、解锁迭代次数和权重衰减系数；其余参数均为默认值； 步骤4.2、对深度学习网络模型进行训练；训练的对象包括：每个标注框的左上角坐标xmin、ymin和右下角坐标xmax、ymax、类别class；训练结果的表现形式是每经过一次训练迭代后得到的权重文件； 步骤4.3、调用深度学习网络模型yolo3-master中的train.py文件的开始训练，训练的具体过程如下： 步骤4.3.1、调用train.py文件进行深度学习网络模型训练； 步骤4.3.2、在训练集里随机抽取一个batch_size的图像作为当前训练样本；其中，batch_size表示单次从训练集中抽取的图片数； 步骤4.3.3、将步骤4.3.2中所述训练样本中的每一张图像依次放入深度学习网络模型中进行权重参数的更新；所述权重参数的更新，具体为：随机初始化权重参数或载入预训练权重参数，进行卷积神经网络的前向传播计算并得到一组中间参数，再使用该中间参数进行反向传播更新权重参数；所述新的权重参数将替换之前用于计算前向传播的旧权重参数； 步骤4.3.4、将步骤4.3.2中所述的训练数据集的所有图像都进行一次前向和反向传播的过程记为一次对深度学习网络模型的训练，每次训练保存一个权重文件；重复步骤4.3.2～步骤4.3.3直至对网络模型训练次数达到设定的迭代次数为止； 步骤4.3.5、达到设定的训练次数后，将获得的所有权重文件通过深度学习网络模型自带的性能评估指标进行筛选，得到多个候选权重文件； 所述获得密集的检测边界框，包括： 将待检测三七图像输入冻结模型，冻结模型输出一系列锚框中心点偏移信息和锚框宽高缩放信息输出的信息与对应预设锚框信息解码后得到密集的检测边界框信息xc,yc,w,h，解码公式为： 将每个检测边界框的信息从xc,yc,w,h的表示形式转换为以其左上角坐标xmin,ymin和右下角坐标xmax,ymax的形式表示，转换公式为： 其中，xc,yc表示密集的检测边界框中心点坐标信息；w,h表示密集的检测边界框宽高信息。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253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”。