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半监督学习的激光定向能沉积内部缺陷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：CN120031797B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411977259.1，技术领域涉及：G06T7/00；该发明授权基于半监督学习的激光定向能沉积内部缺陷监测方法是由殷鸣;郑丰蕾;谢罗峰;朱杨洋;白青松设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于半监督学习的激光定向能沉积内部缺陷监测方法在说明书摘要公布了：本发明公开了一种基于半监督学习的激光定向能沉积内部缺陷监测方法，包括步骤1：获取同轴熔池图像后对其进行预处理，将同轴熔池图像堆叠构成域级数据集；标记数据：通过CT图像获取打印的沉积件缺陷信息；步骤2：建立卷积自动编码器模型，并采用域级数据集和标记数据训练卷积自动编码器模型；步骤3：在卷积自动编码器模型中编码器后连接一个分类器，利用分类器将编码器输出的低维表征映射进样本的类别空间，实现对缺陷特征的分类；本发明利用同轴熔池图像，基于卷积自编码器无监督训练对LDED过程中的熔池特征和隐性知识建立强有力的理解，最后通过少量标记数据激活样本的类别空间，从而实现对激光定向能沉积内部缺陷的半监督监测。

本发明授权基于半监督学习的激光定向能沉积内部缺陷监测方法在权利要求书中公布了：1.一种基于半监督学习的激光定向能沉积内部缺陷监测方法，其特征在于，包括如下步骤： 步骤1：获取同轴熔池图像，对熔池图像进行预处理，利用滑动时窗的方式来监测一定时间和范围内的熔池状态，将层内和层间的熔池图像按照通道维度进行有序的堆叠构成域级数据集； 标记数据的获取：采用CT图像获取打印的沉积件内部结构和缺陷信息，并将缺陷信息分为三类：可忽略不计、中等大小和大型； 步骤2：建立卷积自动编码器模型，并采用步骤1构建的域级数据集和标记数据训练卷积自动编码器模型； 其中，所述卷积自动编码器模型包括L2归一化层、编码器和解码器； 所述L2归一化层用于调整数据分布，减轻异常样本对模型训练的影响，并加速梯度下降过程以实现最优解收敛； 所述编码器用于识别熔池图像中的关键特征和缺陷特征；它包括四个卷积模块，四个卷积模块采用残差连接构成编码器； 所述解码器采用四个卷积采样模块组成，四个卷积采样模块依次连接； 步骤3：将步骤2训练好的卷积自动编码器模型中编码器和解码器分解，并且编码器后连接一个分类器构成具有半监督学习的激光定向能沉积内部缺陷监测模型；利用分类器将编码器输出的低维表征映射进样本的类别空间，实现对缺陷特征的分类； 其中，训练激光定向能沉积内部缺陷监测模型时，固定编码器的权重参数；使用少量标记数据训练分类器。

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”。