Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 深圳大学屈军乐获国家专利权

深圳大学屈军乐获国家专利权

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!

龙图腾网获悉深圳大学申请的专利一种基于深度学习的多模光纤成像方法、系统及装置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:CN120352402B

龙图腾网通过国家知识产权局官网在2025-10-03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:202510830128.9,技术领域涉及:G01N21/64;该发明授权一种基于深度学习的多模光纤成像方法、系统及装置是由屈军乐;唐文静;许祥丛;连晓倩;林方睿;王义强;翁晓羽设计研发完成,并于2025-06-20向国家知识产权局提交的专利申请。

一种基于深度学习的多模光纤成像方法、系统及装置在说明书摘要公布了:本发明涉及光学成像技术领域,具体涉及一种基于深度学习的多模光纤成像方法、系统及装置。方法包括:将经过掩码处理后选择的全息图加载到光调制器中,使得多模光纤输出的光束实现掩码扫描成像,全息图为用于实现光调制器相位调制的全息图;采集掩码扫描成像得到的图像,基于预训练的深度学习网络模型对图像进行复原。本发明中,通过经过掩码处理后选择的全息图对光调制器进行调制,由此,当经过光调制器调制后的光束经过多模光纤对待测样品成像时,能够实现掩码扫描成像,即通过减少采样点数量的方式提高成像速度,减少光通量。同时,进一步采用深度学习网络模型进行复原,为后续对待测样品的准确分析提供了数据基础。

本发明授权一种基于深度学习的多模光纤成像方法、系统及装置在权利要求书中公布了:1.一种基于深度学习的多模光纤成像方法,其特征在于,应用于多模光纤成像系统,所述系统采用光调制器对光束调制后输入至多模光纤,所述多模光纤输出的光束用于对待测样品进行聚焦扫描成像,所述方法包括: 将经过掩码处理后选择的全息图加载到光调制器中,使得多模光纤输出的光束实现掩码扫描成像,所述全息图为用于实现所述光调制器相位调制的全息图,所述全息图包括对应扫描待测样品不同位置的多个全息图,即每个全息图对应扫描待测样品一个点的位置,对多个全息图掩码处理选择,是指去除不需要扫描的位置对应的全息图,即去除多个全息图的部分个数全息图,只将剩余个数的全息图输入光调制器; 采集掩码扫描成像得到的图像,基于预训练的深度学习网络模型对所述图像进行复原; 其中,将经过掩码处理后选择的全息图加载到光调制器中,包括: 采用预训练的深度学习网络模型将经过掩码处理后选择的全息图加载到光调制器中,经过掩码处理后选取的全息图包括全息图总数的25%; 将经过掩码处理后选择的全息图加载到光调制器中,还包括: 当待测样品为稀疏样品时,获取稀疏样品的有效信息区域; 基于所述有效信息区域将经过掩码处理后选择的全息图加载到光调制器中; 当深度学习网络模型为Swin MAE模型时,深度学习网络模型采用如下方式进行预训练: 采用窗口掩码将训练数据中的图像划分为预设大小的掩码小块后进行掩码,得到掩码后的图像; 采用编码器提取掩码后的图像的特征; 基于所述图像的特征,采用解码器对图像被遮蔽部分进行预测; 根据预测结果和原始图像的差异对编码器和解码器的参数进行更新,并重复上述过程,直至达到预设条件,得到训练后的深度学习网络模型; Swin MAE模型以 Swin Transformer 作为骨干网络,Swin Transformer 采用分层结构和滑动窗口机制,处理不同尺度图像,捕捉局部和全局信息。

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深圳大学,其通讯地址为:518000 广东省深圳市南山区粤海街道南海大道3688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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。