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！

龙图腾网获悉上海交通大学申请的专利一种基于敲击声音仿真和深度学习的物体材质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：CN120105882B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510160438.4，技术领域涉及：G06F30/27；该发明授权一种基于敲击声音仿真和深度学习的物体材质识别方法是由薛广涛;熊权武;杨岚青;陈奕超;王叶舟设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种基于敲击声音仿真和深度学习的物体材质识别方法在说明书摘要公布了：本发明涉及一种基于敲击声音仿真和深度学习的物体材质识别方法，利用生成的模型进行给定敲击点的敲击声音仿真，然后结合真实敲击的声音进行训练和对比，并最终分析得出目标物体的材质。方法包括深度学习模型训练和材质识别与分类两个部分，其中，深度学习模型训练包括构建训练材质库、物体模型构建、实际敲击声音录制、敲击声音仿真和模型训练五个步骤；材质识别与分类包括目标物体模型构建、目标实际敲击声音录制、目标敲击声音仿真和模型识别与分类四个步骤。与现有技术相比，本发明具有避免了大量实际敲击声音的采集工作、材质识别结果准确性高等优点。

本发明授权一种基于敲击声音仿真和深度学习的物体材质识别方法在权利要求书中公布了：1.一种基于敲击声音仿真和深度学习的物体材质识别方法，其特征在于，包括以下步骤： S1，深度学习模型训练； S1.1，构建训练材质库：根据目标识别范围选定若干种材质构成材质库；每种材质内选取若干个不同形状的物体构成训练集合； S1.2，物体模型构建：通过扫描构建训练集合中物体的3D模型； S1.3，实际敲击声音录制：在训练集合的物体上选若干个敲击点，记录敲击点的位置，并在敲击点上进行轻度敲击，获取实际敲击声音； S1.4，敲击声音仿真：将对应材质赋予扫描得到的3D模型，通过计算模态和声传递函数得到该物体的振动模式和传递图；输入敲击点的位置，根据敲击点以及该物体的振动模式和传递图生成仿真敲击声音； 具体来说，通过计算声传递函数获取实际敲击声音采集位置的气压分布图，得到声传递图，采用时域有限差分法进行声传递图的快速计算，具体包括以下步骤： 用一个规则的网格将物体包裹起来，对物体进行离散化处理，得出在网格上压力随时间更新的公式如下： 其中，是在网格i,j,k点处以及时间为时的声压，h为网格格子尺寸，为时间步长，c表示声音在空气中的速度，是控制空气粘度阻尼的常数系数，是拉普拉斯算子，公式如下： 在网格边缘设置吸收边界条件用于减少假反射的影响； 将物体表面按照网格进行栅格化，得到诺伊曼边界条件的新形式如下： 其中，是物体表面的点，xg是栅格化后在网格上的表面点，xr是反射点，xr=xg+2xb-xg，pr是xr处的声压，pg是xg处的声压，l=|xr-xg|，是表面加速度，是介质的密度，是高阶小量项，表示误差项； 将与表面加速度相关的因素进行罗列并封装计算，将各因素结果进行线性叠加，得到表面加速度，代入诺伊曼边界条件的新形式得到声传递图； S1.5，模型训练：以实际敲击声音和仿真敲击声音作为深度学习模型的输入，以材质作为模型的输出，进行模型训练； S2，材质识别与分类； S2.1，目标物体模型构建：通过扫描构建目标物体的3D模型； S2.2，目标实际敲击声音录制：在目标物体上选取至少一个敲击点，记录敲击点的位置，并在敲击点上进行轻度敲击，获取目标实际敲击声音； S2.3，目标敲击声音仿真：将材质库中的每一种材质分别赋予扫描得到的目标物体的3D模型，通过计算模态和声传递函数得到对应的振动模式和传递图；输入敲击点的位置，根据敲击点以及对应的振动模式和传递图生成对应于每一种材质的目标仿真敲击声音； S2.4，模型识别与分类：将目标实际敲击声音和对应于多种材质的目标仿真敲击声音共同输入深度学习模型，得到目标物体的材质识别结果。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。