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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法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：CN115931831B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211571164.0，技术领域涉及：G01N21/73；该发明授权一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法是由鄢容;徐苏;穆磊;刘玉明;陈俊凌设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法在说明书摘要公布了：本发明涉及一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法，使用光谱仪实时采集聚变装置内低压射频条件下托卡马克第一镜表面材料溅射并电离的等离子体光谱数据，针对第一镜表面不同溅射材料对应的不同波长和强度的等离子体光谱数据特征，建立并训练卷积神经网络模型能够识别第一镜表面溅射材料成分和含量的光谱数据。通过等离子溅射得到的光谱数据输入成熟的网络模型中进行分析，判断溅射材料成分和含量，从而监测第一镜表面沉积杂质变化。本发明通过光谱仪获得第一镜表面产生的射频等离子体光谱信息，能够在无损、有效且不影响实验进行的情况下通过卷积神经网络模型识别第一镜表面溅射材料成分和含量。

本发明授权一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法在权利要求书中公布了：1.一种基于卷积神经网络的托卡马克第一镜沉积杂质监测方法，其特征在于：包括以下步骤： 步骤一：利用光谱仪采集已知沉积状态的第一镜表面产生的射频等离子体光谱，并通过滤波器预处理第一镜表面产生的射频等离子体光谱数据，得到原始训练数据，达到训练卷积神经网络模型要求； 步骤二：通过原始训练数据训练初始一维卷积神经网络，调整参数直至损失函数的损失值收敛，得到训练好的卷积神经网络模型，作为最终卷积神经网络模型； 步骤三：实时采集第一镜表面产生的射频等离子体光谱数据，并将数据输入训练好的卷积神经网络模型中，识别第一镜表面沉积成分与厚度并输出结果； 所述步骤二中，具体为： 一维卷积神经网络模型主要是由输入层、第一个特征提取层、第二个特征提取层、第三个特征提取层、全连接层和输出层组成； 输入层中输入的数据为经过步骤一处理过的光谱数据，并以每128个数据为批尺寸进行读取和运算； 每个特征提取层包含一个卷积模块和一个池化模块，第一个特征提取层卷积模块的卷积核尺寸为10×1，卷积核个数为64，第二个特征提取层卷积模块的卷积核尺寸为5×1，卷积核个数为64，第三个特征提取层卷积模块的卷积核尺寸为2×1，卷积核个数为128；在每个卷积运算层中，使用线性修正单元变体LeakyReLU作为激活函数；采用最大池化对卷积运算生成的特征图进行采样； 等离子体光谱一维数据的表达式为： 式中，x和y分别为输入和输出特征图，an卷积运算所使用的卷积核，b为特征图的偏置。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市庐阳区三十岗乡古城路181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”。