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！

龙图腾网获悉首都师范大学申请的专利基于Bi-LSTM神经网络的训练方法、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：CN115616032B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211021558.9，技术领域涉及：G01N25/72；该发明授权基于Bi-LSTM神经网络的训练方法、装置是由吴卓桥;陶宁;陈思耘;马奕娇;冯范;贾首杰;冯立春;张存林设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本基于Bi-LSTM神经网络的训练方法、装置在说明书摘要公布了：本发明提供了一种基于Bi‑LSTM神经网络的缺陷检测方法、训练方法、装置。该缺陷检测方法包括：步骤A'，获取降温过程中待测工件测试表面随时间变化的N帧红外热图；步骤C'，由N帧红外热图获取待测工件测试表面上的各像素点随时间变化的脉冲热成像数据序列SEQ'；步骤G，将各像素点随时间变化的脉冲热成像数据序列SEQ'分别带入经过训练的Bi‑LSTM神经网络，获取各像素点对应位置的缺陷状况。本发明不需要知道材料热属性、参考区域或特征时间等先验信息，可以保证了每一次缺陷检测的准确性。同时，本发明可以实现全自动数据分析，应用起来更加方便。

本发明授权基于Bi-LSTM神经网络的训练方法、装置在权利要求书中公布了：1.一种基于Bi-LSTM神经网络的训练方法，其特征在于，用于对Bi-LSTM神经网络进行训练，包括： 步骤A，获取降温过程中训练工件测试表面随时间变化的N帧红外热图，其中，训练工件与待测工件的热属性相同，训练工件上具有不同深度的M个缺陷区域，各个缺陷区域的深度已知，M≥2； 步骤C，由所述N帧红外热图获取训练工件测试表面各像素点随时间变化的脉冲热成像数据序列SEQ； 步骤D，由缺陷区域的各像素点随时间变化的脉冲热成像数据序列及对应缺陷深度构建缺陷训练数据集； 步骤E，由非缺陷区域的各像素点随时间变化的脉冲热成像数据序列及对应缺陷深度构建非缺陷训练数据集； 步骤F，利用所述缺陷训练数据集和非缺陷训练数据集中的数据对Bi-LSTM神经网络回归模型进行训练，获取经过训练的Bi-LSTM神经网络； 所述缺陷训练数据集为：其中，S为M个缺陷区域内像素点的个数，s＝1,2，…，S，SEQD,s为训练工件测试表面在N帧红外热图中缺陷区域内第s个像素点随时间变化的脉冲热成像数据序列，为所述第s个像素点在训练工件对应位置的归一化缺陷深度： 其中，DD,s为所述第s个像素点在训练工件对应位置的物理深度，Dmean，Dmax，Dmin表示的是训练集中所有热信号对应深度的平均值、最大值及最小值； 所述非缺陷训练数据集为：T为非缺陷区域内像素点的个数，t＝1,2，…，T，SEQD,t为训练工件测试表面在N帧红外热图中非缺陷区域内第t个像素点随时间变化的脉冲热成像数据序列，为训练工件非缺陷区域的归一化缺陷深度： 其中，DU为训练工件非缺陷区域的厚度； 所述步骤F中的每一次训练包括：正向LSTM网络输出维度为1×H的特征向量为Of，反向LSTM网络输出相同维度特征向量为Ob，将两个向量进行拼接获取维度为1×2H的特征向量O；将维度为1×2H的特征向量O和维度为2H×1的学习矩阵相乘，获取归一化深度回归值ygp；将归一化深度回归值ygp变换至物理尺度回归值的ygm：ygm＝ygp×Dmax-Dmin+Dmean；由物理尺度回归值与对应的真实缺陷深度值yg计算距离损失FL1：FL1＝|ygp-yg|；将距离损失FL1带入Bi-LSTM神经网络回归模型继续训练，直至距离损失FL1低于预设阈值。

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首都师范大学，其通讯地址为：100089 北京市海淀区西三环北路105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。