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！

龙图腾网获悉四川大学申请的专利基于深度迁移学习的激光熔化沉积孔隙率在线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：CN120028212B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411865467.2，技术领域涉及：G01N15/08；该发明授权基于深度迁移学习的激光熔化沉积孔隙率在线监测方法是由殷鸣;郑丰蕾;谢罗峰;朱杨洋;白青松设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本基于深度迁移学习的激光熔化沉积孔隙率在线监测方法在说明书摘要公布了：本发明公开了一种基于深度迁移学习的激光熔化沉积孔隙率在线监测方法，包括：步骤1：获取源域样本集和目标域样本集；步骤2：分别提取源域样本集和目标样本集中熔池图像的孔隙数据，并根据孔隙面积对孔隙进行标签分类；步骤3：以具有分组卷积和通道混洗ShuffleNetV2建立源域孔隙率在线监测模型；步骤4：借助源域孔隙率在线监测模型，基于深度子领域自适应网络迁移学习构建出目标域孔隙率在线监测模型；本发明先借助ShuffleNetV2网络的轻量化特性和通道混洗技术来提取孔隙特征，建立了源域的孔隙率监测模型，再通过深度子领域适应方法实现目标域的孔隙率监测，实现不同LMD工艺过程的孔隙率监测。

本发明授权基于深度迁移学习的激光熔化沉积孔隙率在线监测方法在权利要求书中公布了：1.一种基于深度迁移学习的激光熔化沉积孔隙率在线监测方法，其特征在于，包括如下步骤： 步骤1：获取源域样本集和目标域样本集； 所述源域样本集是指历史沉积过程中的熔池图像数据集； 所述目标域样本集是指新工艺参数沉积过程中采集的熔池图像数据集； 步骤2：分别提取源域样本集和目标样本集中熔池图像的孔隙数据，并根据孔隙面积对孔隙进行标签分类； 步骤3：以具有分组卷积和通道混洗ShuffleNetV2建立源域孔隙率在线监测模型，并采用源域样本集以及其标签分类训练源域孔隙率在线监测模型； 步骤4：借助源域孔隙率在线监测模型，基于深度子领域自适应网络迁移学习构建出目标域孔隙率在线监测模型； 以训练后的源域孔隙率在线监测模型为初始目标域孔隙率在线监测模型，源域样本集和目标域样本集分别通过源域孔隙率在线监测模型和初始目标域孔隙率在线监测模型提取出源域孔隙特征和目标域孔隙特征，再将源域孔隙特征和目标域孔隙特征的相似样本投射进不同的子领域内，通过计算子领域之间的LMMD距离来进行分布对齐；并在迁移学习的过程中凸显标签分类之间的差异性。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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”。