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！

龙图腾网获悉浙江大学申请的专利基于CNN的原位拉伸EBSD实验中的材料应变预测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：CN116543856B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310266621.3，技术领域涉及：G16C60/00；该发明授权基于CNN的原位拉伸EBSD实验中的材料应变预测方法是由宋明黎;马怿晟;高文杰;张跃飞;王晋;王妮;张泽设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于CNN的原位拉伸EBSD实验中的材料应变预测方法在说明书摘要公布了：基于CNN的原位拉伸EBSD实验中的材料应变预测方法，包含：首先，通过原位拉伸EBSD实验收集EBSD欧拉图与材料应变数据；然后，采用滑动窗口裁剪的方式对所构建的数据集进行数据增强；最后，以欧拉图图像为输入，材料应变为输出，搭建并训练ResNet18网络，实现根据合金材料不同变形阶段的EBSD欧拉图对相应拉伸应变的预测。本发明首次构建CNN预测材料应变的流水线，且预测的均方误差仅为0.56，实现了通过神经网络将微观结构演化与宏观变形过程相关联。

本发明授权基于CNN的原位拉伸EBSD实验中的材料应变预测方法在权利要求书中公布了：1.基于CNN的原位拉伸EBSD实验中的材料应变预测方法，包含如下步骤： 1收集原位拉伸EBSD实验数据； 使用电火花切割加工合金母材获取原位拉伸试样；通过砂纸打磨与机械抛光使样品表面光滑平整；对机械抛光后的试样进行电解抛光以去除试样表面的残余应力；使用原位拉伸EBSD联合测试系统对样品进行原位拉伸实验；在拉伸过程中根据实时拉伸曲线选取若干变形阶段，使用EBSD对样品表面数个区域进行表征，并记录对应的应变；对EBSD数据进行分析处理，获取对应不同应变的欧拉图； 2构建EBSD欧拉图数据集； 采用滑动窗口方法裁剪欧拉图图像，选取较小的滑动步长以获得符合神经网络训练所要求的数量的欧拉图数据；将所得图像缩小为224×224像素以适应神经网络的输入，同时保留足够的织构信息；将数据集随机划分为训练集、验证集和测试集； 3搭建ResNet18网络； ResNet18以224×224×3的RGB图像为输入，拥有18层参数层；ResNet以VGG网络为基础，并进行了修改；卷积层采用3×3的滤波器，降采样时步长为2，否则为1；每当特征图尺寸减半时，其通道数加倍，以保持每层的复杂度；对每两个堆叠的层，构建残差学习块，通过短路连接使其学习到输出特征与输入特征间的残差；网络最后使用了全局平均池化层和全连接层；令全连接层输出单个值，作为应变的回归结果； 4在欧拉图数据上训练ResNet18模型； 网络采用有监督的方式进行训练；每次将一组图像输入网络，根据网络当前的权重计算输出；使用合适的损失函数loss计算网络输出与真实标签之间的差，然后以最小化损失为目标，通过反向传播更新网络权重；每完成一次这样的训练称为处理了一批数据，每当所有数据都被用于训练一次之后，称为完成了一个epoch的迭代；每完成一个epoch的训练后，输出训练loss及在验证集上的loss以观察训练情况，并据此决定超参数的调整； 对欧拉图图像作线性归一化处理后输入网络，在每次卷积之后与激活之前采用批归一化方法；使用均方误差MSE作为损失函数： 其中n为样本数量，Yi为应变的真实值，为网络预测的应变值； 5应用ResNet18模型预测材料应变； 收集需预测材料的EBSD欧拉图图像，在图像上裁剪具有足够织构信息的区域后放缩为224×224像素，输入训练好的ResNet18模型，模型的输出即为图像对应材料应变的预测值。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。