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西安光学精密机械研究所申请的专利一种用于交叉条形位敏阳极的神经网络硬件质心计算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：CN119026655B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411033587.6，技术领域涉及：G06N3/067；该发明授权一种用于交叉条形位敏阳极的神经网络硬件质心计算方法是由左晓芸;郑锦坤;杨阳;王博;段瑾瑶;白永林设计研发完成，并于2024-07-30向国家知识产权局提交的专利申请。

本一种用于交叉条形位敏阳极的神经网络硬件质心计算方法在说明书摘要公布了：本发明涉及一种用于交叉条形位敏阳极的神经网络硬件质心计算方法，属于神经网络模型训练及数据处理技术领域，解决质心算法存在的处理速度受影响、计算精度难保证、硬件难实现的技术问题，其方法包括阳极读出信号生成的实测数据集、matlab生成的模拟数据做成数据集，数据集随机生成训练集和测试集，选取U‑Net神经网络为模型，使用python进行模型训练，导出模型参数；将U‑Net神经网络结合导出的模型参数部署到FPGA上，算法部署采用FPGA芯片，得到具有质心计算功能的FPGA芯片。该质心计算方法用于交叉条形位敏阳极质心的硬件求解。

本发明授权一种用于交叉条形位敏阳极的神经网络硬件质心计算方法在权利要求书中公布了：1.一种用于交叉条形位敏阳极的神经网络硬件质心计算方法，其特征在于，包括以下步骤： 步骤S1，模型建立： 阳极读出信号生成的实测数据集、matlab生成的模拟数据集，将数据集随机选取生成训练集和测试集，选取U-Net神经网络为模型，使用python进行模型训练；模型训练完成后，导出模型参数； 交叉条阳极板收集的信号经过电荷灵敏放大器后，ADC采集每个条带对应的电压信号； 采用matlab生成理想的高斯信号，理想的高斯信号为无噪声原始电子云团，将无噪声原始电子云团叠加不同幅值和频率的噪声信号作为模拟数据集；将x和y两个方向条带得到的小高斯信号峰值进行叠加，得到的二维矩阵作为实测数据集；将实测数据集、模拟数据集混合组成数据集； 使用训练集训练U-Net神经网络；模型训练过程包括两个阶段：训练集数据由低层次向高层次传播的阶段，即前向传播阶段；当前向传播得出的结果与预期不相符时，将误差从高层次向底层次进行传播训练的阶段，即反向传播阶段；将x反向和y反向的质心间横纵坐标距离作为损失函数，利用反向传播算法优化网络参数；在网络参数优化中减小质心计算误差，当质心计算误差低于预定值时，模型训练完成； 步骤S2，硬件实现： 将U-Net神经网络结合导出的模型参数部署到FPGA上，算法部署采用FPGA芯片；FPGA芯片包括处理器单元PS、可编程逻辑单元PL、AXI总线，PS与PL协同工作，卷积神经网络CNN算法部分在PL中实现，PS实现数据流的控制，PS与PL间依靠AXI总线传输数据；得到具有质心计算功能的FPGA芯片； 可编程逻辑单元PL包括数据接收和预处理模块、卷积神经网络模块，处理器单元PS包括质心计算结果输出模块； 从ADC读取条带信息数据，经数据接收和预处理模块转换成二维矩阵图形，转换的二维矩阵图形存入数据存储器RAM，由AXI总线将二维矩阵图形数据送到卷积神经网络模块； 卷积神经网络CNN算法部分在PL中实现的过程是： 卷积神经网络模块包括图像运算处理子模块和数据缓存子模块；图像运算处理子模块包括卷积层模块、最大最小池化层模块、激活函数模块、全连接层模块，利用流水线架构将图像运算处理子模块中卷积神经网络的各个层进行连接；数据缓存子模块包括数据流控制模块、权值存储模块、偏置存储模块及RAM，数据流控制模块通过AXI总线上接收预处理后的图像数据、搬运权值数据和偏置数据参与神经网络计算，得到的数据即为质心计算结果，将质心计算结果发送给RAM，再由AXI总线发送回PS端。

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西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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。