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！

龍圖騰網獲悉西北工業大學申請的專利一種基于深度學習的樹脂基復合材料孔隙缺陷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：CN120451150B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510940800.X，技術領域涉及：G06T7/00；該發明授權一種基于深度學習的樹脂基復合材料孔隙缺陷識別方法是由張超;李巖;趙振強;黃甲;李怡林;譙業杰設計研發完成，并于2025-07-09向國家知識產權局提交的專利申請。

本一種基于深度學習的樹脂基復合材料孔隙缺陷識別方法在說明書摘要公布了：本發明公開了一種基于深度學習的樹脂基復合材料孔隙缺陷識別方法，涉及智能圖像檢測領域，包括：獲取待識別樹脂基復合材料層壓板的截面光學顯微圖像；對每一張截面光學顯微圖像進行預處理；構建預訓練的卷積神經網絡模型；將預處理后的截面光學顯微圖像作為預訓練的卷積神經網絡模型的輸入，進行孔隙分割與含量計算。本發明通過引入先進的深度學習技術并結合針對性的數據處理和訓練策略，成功克服了傳統光學顯微圖像孔隙評估方法的諸多局限，提供了一種更準確、更魯棒、更自動化且無需參數校準的復合材料孔隙含量評估解決方案。

本發明授權一種基于深度學習的樹脂基復合材料孔隙缺陷識別方法在權利要求書中公布了：1.一種基于深度學習的樹脂基復合材料孔隙缺陷識別方法，其特征在于，包括： 獲取待識別樹脂基復合材料層壓板的截面光學顯微圖像； 對每一張截面光學顯微圖像進行預處理； 預處理的具體方法包括： 通過自動閾值分割生成初步真值掩膜；基于初步真值掩膜采用人工精細修正的方式制作像素級二值真值掩膜圖像，得到帶有真值掩膜的顯微圖像； 對帶有真值掩膜的顯微圖像進行數據集劃分； 對數據集劃分后的所有顯微圖像進行像素強度反轉和圖像分塊； 構建預訓練的卷積神經網絡模型； 卷積神經網絡模型包括編碼器和解碼器； 其中，編碼器包括4個依次連接的下采樣模塊；解碼器包括4個依次連接的上采樣模塊； 下采樣模塊包括：兩層連續的3×3卷積層和一層2×2最大池化層，每層3×3卷積層后依次連接批量歸一化層和LeakyReLU激活函數層；2×2最大池化層的輸入連接最后一層LeakyReLU激活函數層的輸出； 上采樣模塊包括一層2×2反卷積層和兩層連續的3×3卷積層，2×2反卷積層的輸出連接第一層3×3卷積層的輸入，每層3×3卷積層后依次連接批量歸一化層和LeakyReLU激活函數層； 訓練卷積神經網絡模型過程中，使用二元交叉熵損失函數作為優化目標，采用Adam優化算法對模型權重進行迭代更新，將初始學習率設置為0.001、批處理大小設置為40個圖像塊、總訓練輪次設置為400輪； 將預處理后的截面光學顯微圖像作為預訓練的卷積神經網絡模型的輸入，進行孔隙分割與含量計算； 進行孔隙分割與含量計算的具體方法為： 將預處理后的截面光學顯微圖像作為預訓練的卷積神經網絡模型的輸入，得到每個像素屬于孔隙的孔隙概率圖； 對孔隙概率圖應用預設的概率閾值；將像素值大于預設閾值的像素分類為孔隙，否則分類為非孔隙，生成二值化的孔隙分割圖像； 根據二值化的孔隙分割圖像統計孔隙區域的總像素數與圖像總像素數的比例，得到材料的孔隙率，其計算式為： 。

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西北工業大學，其通訊地址為：710068 陜西省西安市友誼西路127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”。