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！

龙图腾网获悉浣江实验室申请的专利基于图像识别和深度学习网络的位错缺陷识别方法及系统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：CN121545154B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610071591.4，技术领域涉及：G16C10/00；该发明授权基于图像识别和深度学习网络的位错缺陷识别方法及系统是由赵庆坤;周昊飞;钟旦明;周彦圻;张政昊;邓海鳞设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于图像识别和深度学习网络的位错缺陷识别方法及系统在说明书摘要公布了：本发明公开了一种基于图像识别和深度学习网络的位错缺陷识别方法及系统，属于图像识别和机器学习领域。该方法首先对高分辨电子显微图像进行尺寸标定，通过深度学习目标检测模型识别原子坐标，并计算各原子的局部原子环境向量。其次，利用覆盖多种材料、位错类型和变形状态的原子模型数据集，训练能够根据局部环境向量预测原子与位错距离的深度学习网络。最后，对图像进行网格划分，提取网格节点的邻近原子信息，结合训练的深度学习网络输出的位错距离信息，通过无监督聚类识别位错位置。该方法实现了对面心立方材料中位错缺陷的自动化、高精度识别，同时可实现对晶体缺陷变形行为的动态表征。

本发明授权基于图像识别和深度学习网络的位错缺陷识别方法及系统在权利要求书中公布了：1.一种基于图像识别和深度学习网络的位错缺陷识别方法，其特征在于，包括： S1、针对面心立方材料的晶体缺陷高分辨电子显微视频中每一帧电子显微图像进行尺寸标定后，通过深度学习目标检测模型进行原子坐标识别，再计算标定后图像中每个原子与多个近邻原子的平面距离并作为该原子的局部原子环境向量； S2、获取覆盖不同材料、位错类型和变形状态下的含位错缺陷原子模型的泛化训练样本集，并分别训练针对每种位错类型的深度学习网络，使其能以位错模型中每个原子的局部原子环境向量为输入，预测输出该原子与单种类型位错的最近平面距离； S3、对每一帧标定后图像进行网格划分，针对每个网格节点提取该网格节点与多个最近邻原子的平面距离并作为第一距离向量；同时针对每一种位错类型，将标定后图像中所有所述最近邻原子的所述局部原子环境向量分别输入针对当前位错类型训练的深度学习网络中，并将输出的所有最近邻原子与当前类型位错的最近平面距离构建为第二距离向量，再基于第二距离向量与第一距离向量的欧氏距离对所有网格节点进行无监督聚类分析，将聚类得到的类簇作为当前位错类型下识别到的位错。

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浣江实验室，其通讯地址为：311800 浙江省绍兴市诸暨市陶朱街道文种路7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。