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沈阳自动化研究所申请的专利一种基于深度学习的纳米颗粒团聚自动化在线定量分析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：CN116935379B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202210328541.1，技术领域涉及：G06V20/69；该发明授权一种基于深度学习的纳米颗粒团聚自动化在线定量分析方法是由王卓;孙志坚设计研发完成，并于2022-03-30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纳米颗粒团聚自动化在线定量分析方法在说明书摘要公布了：本发明公开一种基于深度学习的纳米颗粒团聚自动化在线定量分析方法，包括提出一种基于SFNet的改进轻量化纳米颗粒团聚分割网络,采用轻量化网络主干GhostNet、基于深度可分离卷积和密集连接思想改进的轻量化空洞空间池化金字塔和卷积注意力模块以及串联通道自注意力和位置注意力自注意力的改进方法提高了纳米颗粒团聚分割的准确性和实时性。对分割结果进行连通域分析进而得到SEMTEM图像中纳米颗粒团聚的当量直径和综合形状系数并统计分析得到分布直方图。本发明易于在嵌入式设备上部署并且在在具有非纳米颗粒团聚目标干扰和高强度背景噪声的SEMTEM图片中实现快速准确对各种纳米颗粒团聚自动化分析，具有良好的鲁棒性和普适性。

本发明授权一种基于深度学习的纳米颗粒团聚自动化在线定量分析方法在权利要求书中公布了：1.一种基于深度学习的纳米颗粒团聚定量自动化在线分析方法，其特征在于，包括以下步骤： 步骤1建立深度学习网络并对SEMTEM图像中的纳米颗粒团聚进行分割；所述步骤1包括以下步骤： 步骤1‑1搭建基于SFNet的改进轻量化纳米颗粒团聚分割网络：步骤1‑1‑1采用轻量化网络主干GhostNet替换SFNet中的原有ResNet‑34网络主干，并加入卷积注意力模块； 步骤1‑1‑2基于深度可分离卷积和密集连接改进的轻量化空间池化金字塔，再依次串联通道自注意力模块和位置自注意力模块； 所述步骤 1‑1中搭建基于SFNet的改进轻量化纳米颗粒团聚分割网络，具体包括： 编码层，包括步骤1‑1‑1轻量化网络主干GhostNet+卷积注意力模块、步骤1‑1‑2中基于深度可分离卷积和密集连接改进的轻量化金字塔+自注意力单元，所述自注意力单元包括依次串联的通道自注意力模块和位置自注意力模块；所述轻量化网络主干GhostNet+卷积注意力模块输出第一、二、三、四特征，第四特征进一步由基于深度可分离卷积和密集连接改进的金字塔+自注意力单元处理后输出像素特征； 解码层，采用SFNet中的编码层结构，用于对输出的像素特征进行上采样，与网络主干单元输出的第一、二、三特征进行拼接，然后降维、上采样输出最终的纳米颗粒分割特征图； 所述步骤1‑1‑2中基于深度可分离卷积和密集连接改进的轻量化金字塔+自注意力单元，包括以下步骤： 步骤1‑1‑2‑1利用空洞可分离卷积替换DeepLabV3网络的空间池化金字塔中的空洞卷积，得到改进后的四层空洞可分离卷积层网络并调整空洞率； 步骤1‑1‑2‑2按照密集连接方法拼接改进后的四层空洞可分离卷积层网络：采用串联的方式将四个步骤1‑1‑2‑1中空洞可分离卷积层依次连接起来，并且在每一层空洞卷积层之前的所有空洞卷积层输出与网络的输入特征图都被拼接，然后输入当前层的空洞卷积层； 步骤1‑1‑2‑3利用加深一层深度可分离卷积层将步骤1‑1‑2‑2中对每个空洞可分离卷积层的输出进一步提取特征； 步骤1‑1‑2‑4在改进的轻量化空洞空间池化金字塔后添加依次串联的通道自注意力模块和位置注意力自注意力模块，进一步优化提取金字塔输出的特征； 步骤1‑2数据准备； 步骤1‑3模型训练； 步骤1‑4对SEMTEM图像中的纳米颗粒团聚图形进行分割； 步骤2基于纳米颗粒团聚分割结果对纳米颗粒团聚进行量化和统计分析。

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沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。