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！

龙图腾网获悉华中科技大学申请的专利基于发射光谱和超声融合的金属3D打印检测方法及装置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：CN120847072B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511348163.3，技术领域涉及：G01N21/71；该发明授权基于发射光谱和超声融合的金属3D打印检测方法及装置是由郭连波;胡强伟;牛雪晨设计研发完成，并于2025-09-20向国家知识产权局提交的专利申请。

本基于发射光谱和超声融合的金属3D打印检测方法及装置在说明书摘要公布了：本申请公开了一种基于发射光谱和超声融合的金属3D打印检测方法及装置。方法通过激光同步激发并采集样品表面的全波段光谱与超声信号，信号经预处理后，输入集成了LANet网络的多模态深度学习模型进行特征提取与融合，利用融合后的特征实现多维度检测：对等离子体光谱进行校正，用于分析元素成分与化学缺陷；构建双流时序网络，并行分析超声信号的时域特征以评估物理缺陷，分析频域声速信息以评估残余应力；利用深度学习模型对超声信号的衰减特征进行建模，计算超声衰减系数，得到晶粒尺寸的概率分布。本申请通过融合两种信号，利用深度学习强大的特征挖掘与非线性映射能力，提升了检测的准确性，实现了对金属3D打印构件的多维度综合评估。

本发明授权基于发射光谱和超声融合的金属3D打印检测方法及装置在权利要求书中公布了：1.一种基于发射光谱和超声融合的金属3D打印检测方法，其特征在于，包括以下步骤： S1、同步采集激光激发样品表面时产生的全波段光谱信号和超声信号； S2、对采集到的全波段光谱信号和超声信号进行预处理； S3、将预处理后的全波段光谱信号和超声信号输入一多模态深度学习校正模型，并通过所述多模态深度学习校正模型中集成的LANet网络模块进行特征提取与融合；所述LANet网络模块利用其内部的注意力机制和深度卷积操作，提取融合特征； S4、基于提取的融合特征建立光谱校正模型，使用所述光谱校正模型对激光原始的等离子体光谱定标曲线进行校正，并利用校正后的光谱定标曲线对样品进行元素成分及化学缺陷分析； S5、构建一双流时序网络，通过所述双流时序网络对预处理后的超声信号进行处理，所述双流时序网络并行地分析所述超声信号的时域波形特征以评估样品的物理缺陷、并分析其频域声速信息以得到样品的应力，再融合双流分析结果输出样品的物理缺陷概率与应力值； S6、应用深度学习模型分析预处理后的超声信号，通过对所述超声信号的衰减特征进行建模以解算出超声衰减系数，并根据超声衰减系数得到样品的晶粒尺寸的概率分布； 其中，所述双流时序网络包括： a时域处理流，其接收1024点经过预处理后的超声信号，并利用三个级联的一维残差卷积块及LANet网络模块进行处理，以针对缺陷会引起超声信号幅值衰减的物理原理，强化并提取所述超声信号幅值衰减特征，最终经时序建模后输出所述物理缺陷概率； b频域处理流，其并行地通过一个轻量化ResNet18网络处理由所述超声信号转换生成的二维时频图，以针对材料中应力与声速变化率相关的声弹性理论，从所述二维时频图中提取并输出一个捕获了声速变化信息的512维频域特征向量； c 物理约束融合与计算层，其用于交互所述时域和频域的特征，并通过一个声弹性计算层将所述512维频域特征向量映射为应力值，其中所述计算层中的声弹性系数K被设定为一可训练参数，其初始值为通过拉伸试样测试标定的材料值；并通过采用幅值‑声速联合损失函数进行模型训练，以实现与所述物理缺陷概率同步输出所述应力值。

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华中科技大学，其通讯地址为：430070 湖北省武汉市洪山区珞喻路1037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。