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一种基于微观组织图像视觉分析的结构材料高通量设计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：CN115472243B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202210775608.6，技术领域涉及：G16C60/00；该发明授权一种基于微观组织图像视觉分析的结构材料高通量设计方法是由王璐;刘颖;叶金文设计研发完成，并于2022-07-01向国家知识产权局提交的专利申请。

本一种基于微观组织图像视觉分析的结构材料高通量设计方法在说明书摘要公布了：本发明公开了基于微观组织图像视觉分析的结构材料高通量设计方法，包括根据材料的成分、工艺、性能以及对应的显微组织图像建立数据集；对数据集中的显微组织图像，利用机器学习进行组织特征参量提取，得到归一化后的输入数据集；根据所述归一化后的输入数据集建立材料成分组织特征参量→性能的机器学习模型，并对机器学习模型进行训练，使机器学习模型达到预设精度，完成机器学习模型训练；以机器学习模型为判别模型，利用遗传算法优化的神经网络建立性能→成分组织参量的寻优模型；将目标性能输入到寻优模型中进行训练，获得预测成分和预测组织特征参量，根据预测组织特征参量选取数据集中所对应工艺，获得最终设计成分和工艺。

本发明授权一种基于微观组织图像视觉分析的结构材料高通量设计方法在权利要求书中公布了：1.基于微观组织图像视觉分析的结构材料高通量设计方法，其特征在于，包括如下步骤： S1、根据材料的成分、工艺、性能以及对应的显微组织图像建立数据集； S2、对数据集中的显微组织图像，利用机器学习进行组织特征参量提取，根据材料成分和组织特征参量建立输入数据集，并对输入数据集进行数据降维和归一化，得到归一化后的输入数据集； S3、根据所述归一化后的输入数据集建立材料成分组织特征参量→性能的机器学习模型，并对机器学习模型进行训练，使机器学习模型达到预设精度，完成机器学习模型训练； S4、以机器学习模型为判别模型，利用遗传算法优化的神经网络建立性能→成分组织参量的寻优模型；将目标性能输入到寻优模型中进行训练，获得预测成分和预测组织特征参量，根据预测组织特征参量选取数据集中所对应工艺，获得最终设计成分和工艺； 所述步骤S4的步骤包括如下： S41、将随机生成的设定数量的权值和阈值的原始解引入以多维目标属性作为输入，特征作为输出的人工神经网络，人工神经网络根据所需属性生成伪特征； S42、将生成的伪特征作为输入，利用判别器获得预测性能； S43、计算目标性能和预测性能之间的相对误差，根据相对误差之和的倒数得到适应度： S44、判断所述适应度是否在预设范围内，若否，选择适应度大于设定适应度阈值的n个预测性能所对应的权值和阈值为母本，利用遗传算法通过交叉和变异，生成新的设定数量的权值和阈值； S45、重复S41-S44，直至所述适应度在预设范围内，停止循环，选取最大适应度所对应特征值为最终预测成分和最终预测组织特征参量； S46、数据集中组织特征参量与最终预测组织参量绝对值最小的工艺作为最终制备工艺。

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”。

以上内容由龙图腾AI智能生成。