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！

龙图腾网获悉北京理工大学申请的专利太赫兹高速扫描场景基于深度学习的表面粗糙度识别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：CN117313022B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202311310968.X，技术领域涉及：G06F18/2451；该发明授权太赫兹高速扫描场景基于深度学习的表面粗糙度识别方法是由刘嘉诚;马建军;乔怡鸽;李沛安;李达;刘国昊;刘闻博;雷元帅;魏梦涵;赵家标设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本太赫兹高速扫描场景基于深度学习的表面粗糙度识别方法在说明书摘要公布了：本发明提供一种太赫兹高速扫描场景基于深度学习的表面粗糙度识别方法，包括以下步骤：步骤1.制备粗糙表面样品，用不同的材料和技术，使用不同形状的錾刀依次在硬度递增的材料上制作出了粗糙度递增的一批样品；利用局部区域重用来增强数据多样性；基于高速采样和表面样品采集并制作了高速散射数据集；步骤2.建立表面识别模型；基于上述数据和模型结构训练得到了面向高速散射数据的粗糙表面分类模型。本发明的模型能够达到预期的最终效果，具备在高速场景中识别表面粗糙度的能力。

本发明授权太赫兹高速扫描场景基于深度学习的表面粗糙度识别方法在权利要求书中公布了：1.太赫兹高速扫描场景基于深度学习的表面粗糙度识别方法，其特征在于，包括以下步骤： 步骤1.制备粗糙表面样品 用不同的材料和技术，使用不同形状的錾刀依次在硬度递增的材料上制作出了粗糙度递增的一批样品；每块表面的粗糙区域大，内部粗糙度分布均匀；通过高精度3D扫描重建表面并计算精确的粗糙度系数； 利用局部区域重用来增强数据多样性； 基于高速采样和表面样品采集并制作了高速散射数据集； 步骤2.建立表面识别模型 基于数据集，构建对粗糙表面的分类任务；具体的，模型使用某个表面某位置的散射序列数据X作为输入，其中每个序列是多个不同角度的散射数据的集合X＝[x_0,x_1,...,x_N]，N为序列包含的采样点数量，输出该序列可能属于各个表面编号的概率Y＝[y_0,y_1,...,y_M]，M为表面数量； 将采样点的数值和散射角度合并保存，对于某个x_t＝[angle_t，value_t]；这里的angle和value都是经过归一化处理的； 采用RNN结构中的LSTM模型，构建LSTM模型，LSTM采用多层结构，最后一层添加了线性分类头来执行分类任务；在模型的不同层之间引入了Dropout来管理模型的训练，以适应有限的数据； 提供包含角度和功率计读数的两元组序列数据，采用交叉熵损失函数和Adma优化器来进行小批量训练模型，其中学习率在每个时期逐渐降低； 最后，通过计算F1值以及混淆矩阵来评估模型的有效性； 最终，基于上述数据和模型结构训练得到了面向高速散射数据的表面识别模型。

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北京理工大学，其通讯地址为：100086 北京市海淀区中关村南大街5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”。