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！

龙图腾网获悉南京大学申请的专利一种基于深度学习的纳米薄膜材料原位显微图像表征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：CN119399170B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411537453.8，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的纳米薄膜材料原位显微图像表征方法是由邹宁睦;张昊天;冯明伟设计研发完成，并于2024-10-31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纳米薄膜材料原位显微图像表征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纳米薄膜材料原位显微图像表征方法，包括：实时获取原位显微平台下纳米薄膜材料的生长视频数据并同步进行画面校正处理；使用swin‑TRANSEM神经网络加载预训练权重，对校正后的生长视频图像进行识别，生成识别框；根据识别框的大小确定晶畴早期生长帧位并获取晶畴生长的中心位置信息；使用改进的图像分割算法提取单个晶畴离散化的边缘信息；结合晶畴生长的中心位置信息和晶畴离散化的边缘信息，计算各个边缘代表点在坐标轴方向上的梯度并取模得到以每个方向上的生长速度信息；绘制生长热图，建立生长模型。本发明能够显著提升纳米薄膜材料生长分析的效率和精确度。

本发明授权一种基于深度学习的纳米薄膜材料原位显微图像表征方法在权利要求书中公布了：1.一种基于深度学习的纳米薄膜材料原位显微图像表征方法，其特征在于，所述纳米薄膜材料原位显微图像表征方法包括以下步骤： S1，实时获取原位显微平台下纳米薄膜材料的生长视频数据并同步进行画面校正处理； S2，分层使用2、2、6和2个Swin-Transformer模块代替YOLOv8原有主干模块的卷积层进行特征提取，并且引入shape-IoU作为回归损失函数优化检测头，构建得到swin-TRANSEM神经网络，所述swin-TRANSEM神经网络包括主干模块、特征金字塔和检测头； 使用swin-TRANSEM神经网络加载预训练权重，对校正后的生长视频图像进行识别，生成识别框； S3，根据识别框的大小确定晶畴早期生长帧位并获取晶畴生长的中心位置信息； S4，使用改进的图像分割算法，将边缘信息离散化按照对生长中心角度离散化为N个点，提取单个晶畴离散化的边缘信息； S5，结合晶畴生长的中心位置信息和晶畴离散化的边缘信息，计算各个边缘代表点在坐标轴方向上的梯度并取模得到以每个方向上的生长速度信息； S6，绘制生长热图，建立生长模型； 步骤S4进一步包括以下步骤： 对于单一晶畴，跟踪其生长的n1帧，筛选出相对中心角度间隔为的m1个点作为代表点，×m1=360±2°，得到所有边缘代表点的位置矩阵A；其中∝ρ×α，ρ=画幅像素总数平均可能出现的最大晶畴数量，α为精度需求； 步骤S5进一步包括以下步骤： 使用二阶差分法计算各方向上的点在x轴和y轴上变换的梯度，具体计算公式为： ； 对于边界处则采取二阶单边差分法： 计算每个角度上在x，y方向上梯度的模得到形状为[n,m-1]的生长速度矩阵V，第i行j列的值代表挑选出的第i帧时晶畴在j×角度上的生长速度；f为x或是y，用于计算两个轴向梯度，t表示时间，下标均代表时间尺度； 根据材料生长以及数据采集设备的具体情况按照时间维度进行滤波操作。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。