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长春光学精密机械与物理研究所申请的专利基于神经网络的像质指标决策抛光工艺参数的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：CN120068675B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510544987.1，技术领域涉及：G06F30/27；该发明授权基于神经网络的像质指标决策抛光工艺参数的方法是由李龙响;刘夕铭;李兴昶;程强;张峰;张学军设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于神经网络的像质指标决策抛光工艺参数的方法在说明书摘要公布了：本发明涉及光学加工技术领域，尤其涉及一种基于神经网络的像质指标决策抛光工艺参数的方法。包括：根据具体需求确定光学系统的结构参数；在光学系统中标记需要进行工艺决策的光学元件，记录历史加工数据；搭建光学系统，将被标记的光学元件放置在光学系统中，调试获得实际像质指标并收集与理想系统像质相比的恶化程度；重复上述步骤得到数据集；将像质恶化程度数据集作为输入、将元件的工艺参数作为输出，输入模块化卷积神经网络进行训练，得到预测网络模型；当光学系统元件制造任务到来时，将系统类型和像质恶化程度允差，输入至预测网络模型中，得到满足所述像质恶化程度允差的抛光工艺参数。优点在于：决策迅速、计算耗时少、易懂程度高。

本发明授权基于神经网络的像质指标决策抛光工艺参数的方法在权利要求书中公布了：1.一种基于神经网络的像质指标决策抛光工艺参数的方法，其特征在于：具体包括如下步骤： S1.根据具体需求，确定光学系统的结构参数；所述光学系统结构参数包括光学系统的类型，以及光学系统内所有光学元件的相对位置、摆放角度、元件面型和基底材质； S2.在所述光学系统中标记需要进行工艺决策的光学元件，记录光学元件的历史加工数据；历史加工数据包括工艺参数、环境参数、以及工艺参数对应的制造误差数据； S3.搭建所述光学系统，将步骤S2中被标记的光学元件放置在所述光学系统中，调试获得实际像质指标，并收集与理想系统像质相比的恶化程度数据； S4.重复步骤S2~S3，得到光学元件的工艺参数数据集及像质恶化程度数据集； S5.将像质恶化程度数据集作为输入数据集，将元件的工艺参数作为输出数据集，输入模块化卷积神经网络进行训练，得到光学元件抛光工艺参数预测网络模型； 所述模块化卷积神经网络包括主干卷积层和动态权重层；所述主干卷积层用于提取像质恶化程度数据的特征；所述动态权重层根据光学系统类别动态加载不同的权重，用于将特征映射到工艺参数空间； 训练优化过程如下： S501.根据光学系统特征向量进行权重检索，权重索引k由如下公式确定： 其中，x为光学系统特征向量；函数用于找到使得函数取得最大值的输入参数值，或在数据集中返回最大值元素的索引； S502.将像质恶化程度数据输入至模块化卷积神经网络中；主干卷积层提取像质恶化数据的特征F： 其中，F为主干卷积层提取得到的像质恶化程度数据特征，同时也是动态权重层的输入；Conv代表卷积函数； 将主干卷积层输出的像质恶化数据的特征F展平为向量f，通过动态加载的权重PT k映射至工艺参数空间，计算工艺参数预测值；计算公式如下： 其中，为ReLU激活函数，偏置项，为工艺参数预测值； S503.使用预测所得工艺参数与实际工艺参数之间的差值作为损失函数； S6.根据工艺决策任务的要求，获取光学元件的像质恶化程度允差，将像质恶化程度允差的最值作为像质恶化程度数据输入至光学元件抛光工艺参数预测网络模型中，得到满足所述像质恶化程度允差的抛光工艺参数。

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长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。