龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学衢州研究院;浙江大学
摘要：本发明公开了一种卷积神经网络识别AFM图象预测材料性能的方法，使用AFM得到聚合物的相图，取得聚合物晶区与非晶区的分布信息，对图像进行预处理后使用卷积神经网络进行AFM相图的特征提取，得到对应的特征神经网络，使用该网络可以实现使用AFM相图预测聚合物材料的断裂伸长率。本发明解决了现有原子力显微镜对于复杂材料表面结构识别后，无法获取更多信息的问题，为实际场景中应用AFM预测更多材料力学特性提供了可能，且有助于进一步分析材料的相区分布对其力学性能的影响，本发明可以通过AFM相图快速预测材料的拉伸性能，可在材料工程领域广泛推广。
主权项：1.一种卷积神经网络识别AFM图象预测材料性能的方法，其特征在于，利用机器学习的方法搭建并训练一个深度卷积神经网络，该网络通过AFM相图预测聚合物材料的力学性能；将合成的已知聚合物作为数据集的来源，通过DMA进行拉伸性能测试的结果作为数据集的标签，使用AFM采集的相图作为数据集的特征，使用数据集对深度卷积神经网络进行训练；将像素值归一化到[0，1]范围内来对数据集中的图像进行预处理；所述卷积神经网络使用Res-Net网络模型，通过残差学习建立跳过连接，加快训练速度；基于Res-Net网络模型，首先使用卷积层与最大池化层进行输入，并使用局部响应归一化确保先前的层识别各种模式；随后添加多个不同的残差单元，每个残差单元由两个卷积层组成且没有池化层；具有批量归一化和ReLU激活，使用n×n内核并保留空间维度。
全文数据：
权利要求：
百度查询： 浙江大学衢州研究院 浙江大学 一种卷积神经网络识别AFM图象预测材料性能的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号