買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南昌大學申請的專利一種基于物理特征信息融合神經網絡的LG光束識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120298809B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510740587.8，技術領域涉及：G06V10/764；該發明授權一種基于物理特征信息融合神經網絡的LG光束識別方法是由王鴻杰;鄢偉超;蔡孟強;唐榮欣;代國紅設計研發完成，并于2025-06-05向國家知識產權局提交的專利申請。

本一種基于物理特征信息融合神經網絡的LG光束識別方法在說明書摘要公布了：本發明公開了一種基于物理特征信息融合神經網絡的LG光束識別方法，包括：1）將入射光束經偏振濾波器的調制和擴束后照射在空間光調制器上產生拉蓋爾?高斯LG光束；2）利用透鏡對產生的LG光束進行聚焦產生傅里葉變換，通過CCD相機收集LG光束的夫瑯和費衍射圖像；3）將收集的LG光束夫瑯和費衍射圖像輸入到改進的神經網絡結構中進行處理，實現對LG光束中多物理特征信息的準確識別。本發明方法基于分數階LG光束在衍射圖像中有特殊的可區分特點，將對三個物理特征參數的識別作三個輸出，依據光斑特征的顯示難易程度在神經網絡的不同階段輸出，并結合神經網絡結構的深淺層融合技術，實現物理信息特征融合，使得對LG光束的識別結果更為穩定準確。

本發明授權一種基于物理特征信息融合神經網絡的LG光束識別方法在權利要求書中公布了：1.一種基于物理特征信息融合神經網絡的LG光束識別方法，其特征在于，包括以下步驟： 步驟S1、將入射光束經偏振濾波器的調制與擴束后照射在空間光調制器上產生拉蓋爾-高斯LG光束； 步驟S2、利用透鏡對步驟S1中產生的LG光束進行聚焦產生傅里葉變換，通過CCD相機收集LG光束的夫瑯和費衍射圖像； 所述利用透鏡對步驟S1中產生的LG光束進行聚焦產生傅里葉變換，LG光束在Z=0處的方程表示為： ； 上式中，表示在Z=0處的LG光束，為入射面上的極坐標，z為傳播距離，r為極坐標中的徑向坐標；為廣義拉蓋爾多項式，為徑向指數，為LG光束的拓撲荷數；為LG光束半徑；為LG光束的徑向強度分布；為虛數單位；為極坐標中的方位角； LG光束經過透鏡并在焦平面處形成夫瑯和費衍射光斑，將夫瑯和費衍射光斑的表達式簡寫為入射光場的傅里葉變換形式有： ； 上式中，為入射光場的傅里葉變換；為傅里葉變換表示；分別對應為的頻域坐標； 步驟S3、將收集的LG光束夫瑯和費衍射圖像輸入到改進的神經網絡結構中進行處理，通過優化后的損失函數，實現對LG光束中多物理特征信息的準確識別； 所述改進的神經網絡結構包括卷積層、池化層、物理特征信息融合層和全連接層； 所述卷積層用于通過卷積核提取局部特征，通過在卷積核中插入空洞來擴大感受野，增強圖像全局和局部信息的提取能力； 所述池化層包括最大池化層和自適應池化層，所述最大池化層用于在保留特征重要信息的同時降低特征的空間尺寸，所述自適應池化層用于將任意尺寸的輸入統一池化為固定大小，以適應不同的輸入尺寸； 所述物理特征信息融合層用于對輸入的矩陣化信息進行融合，輸入的特征矩陣被分為三個分支，各分支分別經過矩陣點乘和Sigmoid函數進行非線性變換，然后各分支的特征在不同節點進行融合，通過矩陣相加操作將多分支的特征進行合并，融合后的特征再經過ReLU激活函數，輸出更為緊密融合且具有更強穩定性的特征矩陣，增強模型對輸入信息的識別和表達能力； 所述全連接層用于將提取的特征映射到輸出空間，得到最終的預測結果； 改進的神經網絡結構通過優化損失函數來提升神經網絡在復雜多任務場景下的魯棒性，損失函數的設計過程如下： 首先計算第k個任務場景下的交叉熵損失： ； 上式中，C為類別數；表示樣本x的真實標簽在第n個類別上的概率；為樣本x在第n個類別上的預測概率； 然后引入方差參數動態調整各任務損失權重，將每個任務場景下的交叉熵損失除以對應的方差參數，再引入方差參數的對數項得到最終的損失函數： ； 上式中，為第k個任務場景下的交叉熵損失；為第k個任務的可學習不確定性參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南昌大學，其通訊地址為：330000 江西省南昌市紅谷灘新區學府大道999號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。