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！

龙图腾网获悉南京航空航天大学申请的专利一种基于深度学习的编织预制体表面参数检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：CN119671949B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411679197.6，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的编织预制体表面参数检测方法是由单忠德;高一岑;郭子桐;王尧尧;刘家乐;朱翔宇设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于深度学习的编织预制体表面参数检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的编织预制体表面参数检测方法，包括：收集并构建编织预制体图像集，训练U‑Net模型直至损失函数收敛，使用测试集验证U‑Net模型，将输出的纱线边缘与人工标记比较，当MIoU高于预设值时，完成U‑Net模型训练。将实时采集的编织预制体表面图像输入训练好的U‑Net模型中输出纱线边缘识别结果，利用图像形态学处理去除识别结果的噪声并连接边缘断点，利用轮廓提取和自适应DP算法拟合出平行四边形纱线单元，通过几何运算得出预制体编织角、节距和纱线宽度。本发明基于深度学习的编织预制体表面参数检测方法具有智能、高效、精确的特点，能极大提高复合材料编织工艺的效率和可靠性。

本发明授权一种基于深度学习的编织预制体表面参数检测方法在权利要求书中公布了：1.一种基于深度学习的编织预制体表面参数检测方法，其特征在于，包括以下步骤： 1收集若干编织预制体图像而组成图像集，对编织预制体图像中纱线部分的边缘进行标记，并将图像集划分为训练集、验证集和测试集；所述的编织预制体图像的编织角范围为25°-75°，节距范围为4-8cm，编织所用碳纤维为3k、6k、12k和24k中的一种或多种，且所述编织预制体结构为二维二轴、二维三轴、三维四向或三维五向中的一种或几种； 2将训练集输入U-Net模型中进行训练，直至损失函数收敛，使用测试集验证U-Net模型，将输出的预制体表面纱线边缘与人工标记进行比较，当MIoU高于预设值时，完成对U-Net模型的训练，否则重复步骤2； 所述损失函数为： ； 其中，L为损失函数，TP为预测和实际都为纱线边缘的像素数，FP为预测为纱线边缘实际为图像背景的像素数，FN为预测为图像背景实际为纱线边缘的像素数，pt为模型对于每个类别的预测概率；s为一个常量，用于避免分母为0的情况；β为超参数，用于调整TP和FN间的权重；γ为调节易分类样本权重的聚焦参数；α为平衡正负样本的权重因子，用于处理类别不平衡问题； 3将待识别的编织预制体表面图像输入训练好的U-Net模型中输出纱线边缘识别结果； 4将步骤3中获得的纱线边缘识别结果通过图像形态学处理去除识别结果的噪声并连接纱线边缘中的边缘断点； 图像形态学处理具体为：首先将步骤2中输出的纱线边缘识别结果通过腐蚀算法消除噪声；对于图像A和结构元素B，所述腐蚀算法表示为： ； 其中，Bz表示结构元素B在位置z的平移； 消除噪声后，利用膨胀算法寻找纱线边缘断点；对于图像A和结构元素B，所述膨胀算法表示为： ； 识别纱线边缘断点Q1后，通过二维线性插值完成其与边缘点Q2的连接；所述二维线性插值的表达式为： ； 5将步骤4中获得的图像进行轮廓提取并通过自适应DP算法拟合平行四边形纱线单元，计算得到预制体编织角、节距和纱线宽度；计算得到预制体编织角θt、节距pt和纱线宽度wt的具体计算公式为： ； ； ； 其中，x1,y1,x2,y2,x3,y3,x4,y4为平行四边形近似单元的顶点坐标，顺序按从上至下顺时针排列，P1为平行四边形近似单元的短边向量，P2为平行四边形近似单元的长边向量。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。