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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种基于深度学习的在SEM/TEM图像中纳米颗粒分割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：CN116935380B 。

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：202210348165.2，技术领域涉及：G06V20/69；该发明授权一种基于深度学习的在SEM/TEM图像中纳米颗粒分割方法是由王卓;孙志坚设计研发完成，并于2022-03-30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在SEM/TEM图像中纳米颗粒分割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在SEMTEM图像中纳米颗粒分割方法。分割方法采用一个基于Deeplabv3+的改进轻量化纳米颗粒分割网络用于分割纳米颗粒和去除SEMTEM图像的复杂背景。轻量化纳米颗粒分割网络通过使用空洞卷积改进的轻量化主干，轻量化空洞空间池化金字塔，双注意力机制等三个方面措施改进提高了纳米颗粒分割的准确性和实时性。本发明提出的方法可以易于在嵌入式设备上部署并且实现在有严重背景干扰，极小纳米颗粒目标和稠密纳米颗粒的SEMTEM图片中实现大多数种类纳米颗粒材料分割，具有良好的鲁棒性和普适性。

本发明授权一种基于深度学习的在SEM/TEM图像中纳米颗粒分割方法在权利要求书中公布了：1.一种基于深度学习的在SEMTEM图像中纳米颗粒分割方法，其特征在于，包括以下步骤： 1搭建基于DeepLabV3+的改进轻量化纳米颗粒分割网络：基于MobilnetV3的改进轻量化网络主干替换DeepLabV3+中的网络主干；建立轻量化空洞空间池化金字塔改进DeepLabV3+中的空间池化金字塔；将双注意力机制引入到编码器网络；所述步骤1中搭建基于DeepLabV3的改进轻量化纳米颗粒分割网络，具体包括： 编码层，包括1-1网络主干单元、1-2轻量化金字塔单元、1-3双注意力单元；所述网络主干单元输出第一特征、第二特征，第二特征进一步由金字塔单元、双注意力单元处理后输出像素特征； 解码层，包括拼接操作、卷积降维操作，用于对提取的像素特征进行上采样，与网络主干单元输出的第一特征进行拼接，然后降维、上采样输出最终的纳米颗粒分割特征图； 所述1-1网络主干单元包括： 1-1-1依次连接卷积层、4个block块，4个block块采用MobilnetV3中的17个瓶颈块；第一block块后输出第一特征；第四block块后输出第二特征； 1-1-2并且将后2个block块中的瓶颈块采用空洞可分离卷积，用于使得网络输出步长为8； 所述1-2金字塔单元包括： 1-2-1采用DeepLabV3+中的空间池化金字塔结构，并将结构中的空洞卷积替换为空洞可分离卷积，并减小空洞率； 1-2-2采用深度可分离卷积加深经过步骤1-2-1改进的空间池化金字塔中的每个支路，得到轻量化金字塔单元；用于对第二特征进一步提取特征输出第三特征； 所述1-3双注意力单元包括： 1-3-1将位置注意力机制、通道注意力机制引入到编码器网络中； 1-3-2分别对第三特征进行处理，获取位置注意力张量、通道注意力张量，并张量求和得到像素特征； 2数据准备；包括以下步骤： 2-1采集原始纳米颗粒SEMTEM图片，裁剪为512×512的标准尺寸，制作标准数据集； 2-2对标准尺寸图片进行标注：逐像素标记为前景或背景，制作标签数据集； 2-3对标准数据集和标签数据集进行数据增强扩充数据，得到样本集； 2-4将样本数据集图片按比例8：1：1分为训练集，验证集和测试集； 3模型训练；包括以下步骤： 3-1对训练集图片，采用SGD优化器进行训练； 3-2使用验证集图片训练模型，对训练参数进行选择调优； 4对SEMTEM图像中的纳米颗粒进行分割，包括以下步骤： 4-1逐一读取待分割图片； 4-2将待分割图片输入训练好的网络中进行分割； 4-3返回步骤4-1直至完成测试集中全部图片的分割。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。