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！

龙图腾网获悉合肥工业大学申请的专利监控金属基复材的激光熔覆过程的监控方法及系统与平台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：CN115909145B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211409047.4，技术领域涉及：G06V20/40；该发明授权监控金属基复材的激光熔覆过程的监控方法及系统与平台是由黄海鸿;陈颖;徐鸿蒙;刘志峰设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本监控金属基复材的激光熔覆过程的监控方法及系统与平台在说明书摘要公布了：本发明公开了监控金属基复材的激光熔覆过程的监控方法及系统与平台。所述监控方法采用基于CNN框架建立的基于全深度可分离卷积神经网络，其建立方法包括：利用深度可分离卷积和通道清洗建立多个全深度可分离卷积模块，并进行不同数量的堆叠建立网络模型。其中，将每个全深度可分离卷积模块的输入通道进行等分，两条分路分别进行深度可分离卷积，使用不同大小的卷积核提取特征，形成两路维度；利用Concat操作将两路维度拼接，再进行通道清洗操作，实现不同通道间的特征融合。本发明在保证高精度的同时大大缩短了参数量和推理时间，大大节省了计算时间和资源，为设计MMC增材制造的实时控制系统打下基础。

本发明授权监控金属基复材的激光熔覆过程的监控方法及系统与平台在权利要求书中公布了：1.一种基于全深度可分离卷积的监控金属基复材在激光熔覆过程中的监控方法，所述监控方法包括以下步骤： S1，捕捉在连续时间下金属基复材在激光熔覆过程中的实时激光熔覆动态视频； S2，将所述实时激光熔覆动态视频分解为多张单独帧的实时激光熔覆图像； S3，将每张实时激光熔覆图像依次送入一个神经网络的网络模型中，通过所述网络模型实时识别所述金属基复材在激光熔覆过程中的激光熔覆状态； 其特征在于，所述神经网络为基于CNN框架建立的基于全深度可分离卷积神经网络FD-Net；所述神经网络的建立方法包括以下步骤： S31，利用深度可分离卷积和通道清洗建立多个全深度可分离卷积模块， S32，将所述多个全深度可分离卷积模块进行不同数量的堆叠建立所述网络模型，所述模型表征基于CNN框架建立的基于全深度可分离卷积神经网络FD-Net； 其中，每个全深度可分离卷积模块的建立方法包括以下步骤： S311，将每个全深度可分离卷积模块的输入通道进行等分，两条分路分别进行深度可分离卷积，使用不同大小的卷积核提取特征，形成两路维度； S312，利用Concat操作将所述两路维度拼接； S313，拼接后的两路维度进行通道清洗操作，实现不同通道间的特征融合，形成所述全深度可分离卷积模块； 所述网络模型进行训练、调优和测试时：经过模型卷积、ReLU激活函数激活以及BN归一化堆叠操作，不断的对原始数据集的每张实验激光熔覆图像中的熔池状态图像特征进行深度提取，得到高维抽象的输出特征图；将所述输出特征图经过所述网络模型的全连接层展开为一维向量，然后输入到所述网络模型的softmax分类层，并利用损失函数计算损失；通过一阶梯度的随机优化算法ADAM不断更新所述网络模型的权重参数，从而最小化所述损失函数，帮助所述网络模型完成训练和优化；通过所述网络模型在验证集上的表现来判断是否保存所述网络模型；如果判断保存所述网络模型，则每训练一个循环，若验证集上的精度是当前最优结果则保存所述网络模型的权重，反之则不保存；将测试集送入到所述网络模型中，加载保存好的所述网络模型的模型参数，根据测试结果来判断所述网络模型的最终性能。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。