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基于图神经网络的多信息融合加工特征识别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：CN119646729B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411509171.7，技术领域涉及：G06F18/25；该发明授权基于图神经网络的多信息融合加工特征识别方法及装置是由郭宇;吴长保;吴涛设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本基于图神经网络的多信息融合加工特征识别方法及装置在说明书摘要公布了：本发明公开了一种基于图神经网络的多信息融合加工特征识别方法及装置，利用邻接图对三维模型进行表示，并构建面之间的连接关系矩阵，对三维模型的面和边进行采样并编码处理作为邻接图节点与边的对应特征张量，以此构建零件的属性邻接图数据集；构建图神经网络、加工特征语义分类器和底面分类器，通过训练使网络可对各面进行加工特征语义分类和底面分类；结合两个分类器的输出结果和连接关系矩阵，利用深度图库展示识别的特征实例，实现零件的加工特征实例识别并获知构成各特征实例的面。本发明解决了在具有复杂加工特征的零件中，实现加工特征识别并获知构成加工特征实例的面的问题。

本发明授权基于图神经网络的多信息融合加工特征识别方法及装置在权利要求书中公布了：1.一种基于图神经网络的多信息融合加工特征识别方法，其特征在于，包括以下步骤： 1选取系列基本加工特征进行组合，构成具有多特征的零件数模并打标签形成加工特征数据集； 2对加工特征数据集进行预处理，包括对零件的面和边进行采样并构建面邻接图，构建面连接关系矩阵，构建面与边的几何属性构建面与边的属性表； 3对步骤2处理后的数据进行编码处理，包括对面边采用数据进行编码，对面与边的几何属性进行编码；编码处理后的数据作为邻接图中节点与边的特征向量，以此形成属性邻接图数据集； 4构建具有加工特征语义分类器和底面分类器的图神经网络，提取零件面边组合构成的加工特征信息，对节点面进行加工特征语义分类和底面分类； 5融合两个分类器的输出与连接关系矩阵，利用深度图库展示识别效果； 步骤2对数据进行预处理实现过程如下： 利用UV-Net对零件的面与边进行表征采样，构建面边的输入张量，其中面的输入张量包含采样点的绝对坐标xyz，采样点在UV方向上的导数dU和dV；边的输入张量包含采样点绝对坐标xyz，采样点在面fi上的切向量Txi、Tyi、Tzi，采样点在面fj上的切向量Txj、Tyj、Tzj； 利用Python的OCC模块读取零件模型step文件，识别模型的面与边，并赋予唯一标识编号fi，lj，以面为节点边为关系边构建邻接图；对整个零件的所有面构建连接关系矩阵Ln×n，n代表零件面的数量，矩阵值lij表示面i与面j的连接关系，在识别面与边时若相连则lij为1，否则为0，而lii值也设为1； 利用Python的OCC模块读取零件模型中面与边的属性信息； 所述步骤3实现过程如下： 对面边采用数据编码以提取面边的空间特征信息，面的编码器包含三层二维卷积神经网络，每层包含2DCNN层，正则化层和激活层；将面的采样数据经过编码器处理获得对应向量；边的编码器包含三层一维卷积神经网络，每层包含1DCNN层，正则化层和激活层，将边的采样数据经过编码器处理获得对应向量； 对面边属性进行编码，面与边的几何属性编码器都包含多层感知器神经网络，每层包含线性层、正则化层和激活层；将面与边的几何属性输入各自编码器获得对应向量； 所述步骤5实现过程如下： 加工特征语义分类器可以输出节点面fi的加工特征分类向量fi,m，m表示加工特征种类数量，零件所有面的加工特征分类向量分类构成零件的加工特征分类矩阵Fn×m，n表示零件面的数量；底面分类器可以输出节点面fi的底面分类向量bi,1，零件所有面的底面分类向量构成零件的底面分类矩阵Bn×1；将加工特征分类矩阵Fn×m、底面分类矩阵Bn×1和连接关系矩阵Ln×n进行拼接得到零件加工特征识别矩阵Zn×m+1+n；整合该矩阵的信息，利用深度图库工具展示加工特征识别结果。

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号南京航空航天大学；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。