专业技术领域核心专利组合识别方法构建及其应用比较

【目的】从识别指标信息的多元与不同赋权及排序算法组配的综合视角,结合大规模数据集的特点,研究核心专利组合识别方法的构建及其应用对比。【方法】通过交叉组配构建5种组合识别方法,选取6项专利特征信息,以人工智能领域为例,从整体与局部层次对比各方法的特征和应用情境。【结果】不同组合识别方法在不同的数据集与时间段有较高的一致性。同时,不同方法识别的结果随着被识别的核心专利数量增加而两两间重合率逐渐减少,例如方法(1)与方法(4)的核心专利重合率由80%降至47%。【局限】仅考虑现实研究中较普遍的核心识别需求,可进一步研究针对特定的、个性化的核心识别需求的专利组合识别方法。【结论】所构建的5种组合识别方法,基于专利数据集的规模、分散程度、时间跨度和特征值表现及技术领域发展的差异,可分别应用到核心专利识别不同应用需求场景中。针对快速发展的人工智能领域,熵权法赋权结合灰色关联分析和熵权法赋权结合TOPSIS这两种方法识别效果更优。

成捆圆钢机器人贴标系统图像识别方法

为实现成捆圆钢端面自动化及高效率贴标,建立了成捆圆钢机器人贴标系统。本文重点对复杂背景下圆钢端面图像识别进行研究,提出了一种圆钢端面图像组合识别方法。首先确定圆钢半径范围,利用分水岭分割算法对粘连图像进行分割,为防止因过分割而造成圆钢端面图像的漏识、错识,提出了真圆度阈值和角度阈值组合算法,以实现对分割后圆钢端面图像的准确识别。然后用椭圆拟合法确定圆钢端面图像中心点像素坐标,通过Delaunay三角剖分内插值法标定完成像素坐标到世界坐标的转换,最后组建了成捆圆钢端面贴标试验系统。结果表明:成捆圆钢机器人贴标系统贴标速度为20根/min,贴标准确率高达99.8%。能满足企业实际生产需求,为国内外成捆圆钢端面自动化贴标技术的发展和实际应用提供了一定参考。