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！

龙图腾网恭喜长三角先进材料研究院申请的专利一种基于条件生成对抗网络的连接件剖面预测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：CN115019120B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210533743.X，技术领域涉及：G06V10/774；该发明授权一种基于条件生成对抗网络的连接件剖面预测方法是由黄理;仝超;李钼石;陈秋任;赵海龙;刘钊;胡晓雅;方宇东;翟强强;黄诗尧;包祖国;韩维建设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种基于条件生成对抗网络的连接件剖面预测方法在说明书摘要公布了：本发明公开了一种基于条件生成对抗网络的连接件剖面预测方法，通过搭建条件生成对抗网络CGAN；针对待预测的连接工艺，选取该连接工艺的连接参数作为条件生成对抗网络的控制条件y；制作待预测连接工艺的数据集，并划分训练集和测试集；对数据集中的图像进行图像增强；设置CGAN网络训练参数；将训练集加入CGAN网络进行训练；利用测试集对CGAN网络进行测试，并根据训练结果进行CGAN网络优化；利用训练好的CGAN网络对同类型的连接工艺进行预测。本发明将条件生成对抗网络CGAN应用到连接件剖面图像预测中，在不破坏各几何参数之间相关性的同时，有效提高了连接件剖面几何参数的预测效果，为实现连接件剖面几何参数预测提供更为直观可靠的方法。

本发明授权一种基于条件生成对抗网络的连接件剖面预测方法在权利要求书中公布了：1.一种基于条件生成对抗网络的连接件剖面预测方法，其特征在于，包括如下步骤：步骤1：搭建条件生成对抗网络CGAN；所述条件生成对抗网络是由生成网络G和判别网络D两部分组成，所述生成网络G是由两个结构相同的子网络G2和子网络G1组成，子网络G1和G2均是基于Encode-Decode思路设计的U型全卷积网络结构，其中，Encode网络是由卷积和下采样组成的压缩路径，Decode网络是由反卷积和上采样组成的扩张路径；子网络G1的输入为图像，首先通过G1的Encode网络对输入图像进行特征提取和降维处理，进而得到特征图；G1的Decode网络的输入由上一层输出的上采样的特征和压缩路径部分的特征拼接而成；网络G1和子网络G2之间的连接是：子网络G2中Encode网络提取的特征图和子网络G1的输出层的前一层特征进行特征融合，融合后的信息送入G2的Decode网络，通过反卷积进行上采样得到输出图像；所述判别网络D是由多种尺度的判别网络构成的一种多尺度判别器，每种尺度的判别网络的网络结构相同，都是基于全卷积网络设计的；判别网络D通过普通的全连接网络将输入映射成一个实数，该判别网络D将输入映射成N*N的矩阵，矩阵中的每个值代表着不同区域为真样本的概率，然后对该矩阵求均值，作为尺度判别器的输出；步骤2：针对待预测的连接工艺，选取该连接工艺的连接参数作为条件生成对抗网络的控制条件y；所述连接工艺的连接参数包括工艺参数和材料属性；步骤3：制作待预测连接工艺的数据集，并划分训练集和测试集；步骤3中制作数据集的方法如下：1若输入的控制条件y为数值型数据时，需将选取的工艺参数与对应参数下生成的剖面图像形成一一对应的数据集；2输入的控制条件y为图像时，需将选取的工艺参数映射到该图像中，形成输入图像，对应参数下生成的剖面图像作为输出图像，此输入图像与输出图像一一对应形成数据集；步骤4：对数据集中的图像进行图像增强；步骤5：设置CGAN网络训练参数；步骤6：将训练集加入CGAN网络进行训练；步骤7：利用测试集对CGAN网络进行测试，并根据训练结果进行CGAN网络优化；步骤8、利用步骤7中训练好的CGAN网络对同类型的连接工艺进行预测。

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长三角先进材料研究院，其通讯地址为：215132 江苏省苏州市相城区青龙港路286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”。