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！

龙图腾网获悉西北工业大学申请的专利一种基于深度学习的树脂基复合材料孔隙缺陷识别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：CN120451150B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510940800.X，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的树脂基复合材料孔隙缺陷识别方法是由张超;李岩;赵振强;黄甲;李怡林;谯业杰设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种基于深度学习的树脂基复合材料孔隙缺陷识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的树脂基复合材料孔隙缺陷识别方法，涉及智能图像检测领域，包括：获取待识别树脂基复合材料层压板的截面光学显微图像；对每一张截面光学显微图像进行预处理；构建预训练的卷积神经网络模型；将预处理后的截面光学显微图像作为预训练的卷积神经网络模型的输入，进行孔隙分割与含量计算。本发明通过引入先进的深度学习技术并结合针对性的数据处理和训练策略，成功克服了传统光学显微图像孔隙评估方法的诸多局限，提供了一种更准确、更鲁棒、更自动化且无需参数校准的复合材料孔隙含量评估解决方案。

本发明授权一种基于深度学习的树脂基复合材料孔隙缺陷识别方法在权利要求书中公布了：1.一种基于深度学习的树脂基复合材料孔隙缺陷识别方法，其特征在于，包括： 获取待识别树脂基复合材料层压板的截面光学显微图像； 对每一张截面光学显微图像进行预处理； 预处理的具体方法包括： 通过自动阈值分割生成初步真值掩膜；基于初步真值掩膜采用人工精细修正的方式制作像素级二值真值掩膜图像，得到带有真值掩膜的显微图像； 对带有真值掩膜的显微图像进行数据集划分； 对数据集划分后的所有显微图像进行像素强度反转和图像分块； 构建预训练的卷积神经网络模型； 卷积神经网络模型包括编码器和解码器； 其中，编码器包括4个依次连接的下采样模块；解码器包括4个依次连接的上采样模块； 下采样模块包括：两层连续的3×3卷积层和一层2×2最大池化层，每层3×3卷积层后依次连接批量归一化层和LeakyReLU激活函数层；2×2最大池化层的输入连接最后一层LeakyReLU激活函数层的输出； 上采样模块包括一层2×2反卷积层和两层连续的3×3卷积层，2×2反卷积层的输出连接第一层3×3卷积层的输入，每层3×3卷积层后依次连接批量归一化层和LeakyReLU激活函数层； 训练卷积神经网络模型过程中，使用二元交叉熵损失函数作为优化目标，采用Adam优化算法对模型权重进行迭代更新，将初始学习率设置为0.001、批处理大小设置为40个图像块、总训练轮次设置为400轮； 将预处理后的截面光学显微图像作为预训练的卷积神经网络模型的输入，进行孔隙分割与含量计算； 进行孔隙分割与含量计算的具体方法为： 将预处理后的截面光学显微图像作为预训练的卷积神经网络模型的输入，得到每个像素属于孔隙的孔隙概率图； 对孔隙概率图应用预设的概率阈值；将像素值大于预设阈值的像素分类为孔隙，否则分类为非孔隙，生成二值化的孔隙分割图像； 根据二值化的孔隙分割图像统计孔隙区域的总像素数与图像总像素数的比例，得到材料的孔隙率，其计算式为： 。

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西北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127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”。