申请/专利权人：苏州宝丽迪材料科技股份有限公司;东华大学

申请日：2024-05-06

公开（公告）日：2024-07-02

公开（公告）号：CN118135566B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/25;G06V10/44;G06V10/77;G06V10/774;G06V10/82;G06T7/00;G06N3/042;G06N3/045;G06N3/0464;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2024.06.21#实质审查的生效;2024.06.04#公开

摘要：本发明属于工业生产与智能识别领域，涉及一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，该方法是将纤维母粒电镜图像输入到训练后的半监督卷积‑图结构网络模型中，由其输出带有矩形边界框的纤维母粒电镜图像，矩形边界框区域即为团聚结构区域；半监督卷积‑图结构网络模型的工作流程为：第一步，分别对纤维母粒电镜图像进行处理得到特征A和特征B，特征A包括疏水性特征和静电性特征，特征B包括纹理特征和结构特征；第二步，将特征A和特征B共同输入到全连接网络中，由其输出带有矩形边界框的纤维母粒电镜图像；本发明的方法能够获取纤维母粒团聚结构的多维度关键特征，以自学习的方式完成对团聚和分散结构的精准识别。

主权项：1.一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，将纤维母粒电镜图像输入到训练后的半监督卷积-图结构网络模型中，由其输出带有矩形边界框的纤维母粒电镜图像，矩形边界框区域即为团聚结构区域；半监督卷积-图结构网络模型的工作流程如下：第一步，分别对纤维母粒电镜图像进行处理得到特征A和特征B，特征A包括疏水性特征和静电性特征，特征B包括纹理特征和结构特征；第二步，将特征A和特征B共同输入到全连接网络中，由其输出带有矩形边界框的纤维母粒电镜图像；对纤维母粒电镜图像进行处理得到特征A的步骤如下：（a）将纤维母粒电镜图像与局部特征映射方式结合，得到局部特征；（b）将局部特征输入到图网络中，由其输出特征；（c）对特征进行批量正则化处理，得到特征A；对纤维母粒电镜图像进行处理得到特征B的步骤如下：（i）将纤维母粒电镜图像输入到卷积网络中，由其输出滤波特征信息；（ii）对滤波特征信息进行自适应权重校正，得到特征B。

全文数据：

权利要求：

百度查询： 苏州宝丽迪材料科技股份有限公司 东华大学 一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD