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！

龙图腾网获悉长春理工大学;长春设备工艺研究所申请的专利基于深度学习的加工特征分类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：CN116824226B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310660468.2，技术领域涉及：G06V10/764；该发明授权基于深度学习的加工特征分类识别方法是由李学光;张大舜;唐正伟;孟凡军;苗立琴;丁海涛;王静;高迪;王相海;郭克;史德晶设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于深度学习的加工特征分类识别方法在说明书摘要公布了：本发明涉及一种基于深度学习的加工特征分类识别方法，包括步骤：从零件三维模型的STEP中性文件中提取出模型的几何、拓扑信息，并存储为内存工作格式；对模型中两邻接面的相交边进行凹凸性判定，建立属性邻接图，并存储为扩展属性邻接矩阵；从属性邻接图中提取出加工特征子图，生成加工特征邻接子矩阵，将加工特征邻接子矩阵与预定义特征库中的扩展属性邻接矩阵进行匹配，得到加工特征并高亮显示，获取二维彩色加工特征图像，生成加工特征数据集；构建基于深度网络学习的加工特征分类识别模型，模型训练后用于对待识别零件的加工特征进行识别分类。该方法基于深度网络学习，有效解决了复杂加工特征识别困难的问题，提高了识别结果的准确率。

本发明授权基于深度学习的加工特征分类识别方法在权利要求书中公布了：1.基于深度学习的加工特征分类识别方法，其特征在于，包括以下步骤： 步骤1：通过零件三维模型导出STEP中性文件，从STEP中性文件中提取出零件模型的几何、拓扑信息，并将几何、拓扑信息存储为内存工作格式文件； 步骤2：基于内存工作格式文件对零件模型中相邻两面相交边的凹凸性进行判定； 步骤3：根据相邻两面相交边的凹凸性判定结果，构建零件模型的属性邻接图，并以扩展属性邻接矩阵的形式进行储存，所述扩展属性邻接矩阵是一个对称方阵，对角线元素的不同取值表示对应零件模型的不同表面，非对角线元素表示两个面间的邻接属性，若两个面的相交边为凹边，则该元素的个位数为0；若两个面的相交边为凸边，则该元素的个位数为1；若两个面不相交，则该元素为0； 步骤4：利用加工特征子图提取算法对属性邻接图进行分解，提取加工特征子图，并生成对应的加工特征邻接子矩阵； 步骤5：将加工特征邻接子矩阵与预定义特征库中加工特征的扩展属性邻接矩阵进行匹配，得到加工特征匹配结果； 步骤6：根据加工特征匹配结果，在零件模型中对相应的加工特征进行高亮显示； 步骤7：基于多角度降维捕捉的方法对零件模型中的三维加工特征进行多角度旋转和视图捕捉操作，在不同角度下捕捉二维彩色加工特征图像，生成加工特征数据集并对数据集预处理； 步骤8：在数据集中的二维彩色加工特征图像上框选出包含的加工特征，并标注出每个加工特征的类型，完成数据集的信息标注，再将标注完的数据集分成训练集和测试集； 步骤9：构建基于深度网络学习的加工特征分类识别模型，并利用训练集和测试集对所述加工特征分类识别模型进行训练和测试，得到训练好的加工特征分类识别模型，所述加工特征分类识别模型包括输入端、主干特征提取网络、加强特征融合网络和输出端四部分，其中主干特征提取网络采用Backbone结构提取三个特征图，加强特征融网络包括FPN和PAN两个特征金字塔结构，对输入的三个特征图进行融合，融合后得到三个不同尺寸的特征图，输出端对三个不同尺寸的特征图分别进行卷积操作，输出预测结果； 步骤10：利用训练好的加工特征分类识别模型对待识别零件模型对应的二维彩色加工特征图像进行识别，得到加工特征分类识别结果。

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长春理工大学;长春设备工艺研究所，其通讯地址为：130022 吉林省长春市卫星路7089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。