買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜哈爾濱工業大學(威海);山東船舶技術研究院申請的專利一種基于卷積神經網絡的激光焊接狀態判別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117464182B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311765994.1，技術領域涉及：B23K26/21；該發明授權一種基于卷積神經網絡的激光焊接狀態判別方法是由楊彪;檀財旺;劉福運;王棟;吳來軍;陳波;宋曉國設計研發完成，并于2023-12-21向國家知識產權局提交的專利申請。

本一種基于卷積神經網絡的激光焊接狀態判別方法在說明書摘要公布了：一種基于卷積神經網絡的激光焊接狀態判別方法，涉及焊接技術領域。為了解決現有的激光焊接狀態判別方法在面對復雜焊接狀態時依賴于單一信息進行判別、準確率低、精度低、需要人工參與、焊縫的不良率高的缺陷，通過預實驗采集激光焊接過程中的激光羽輝和熔池形貌；通過三維卷積神經網絡分別處理激光羽輝和熔池形貌，獲得特征向量；通過權重融合將對應于激光羽輝和熔池形貌的特征向量進行融合，采用全連接層對焊接狀態進行區分；對三維卷積神經網絡進行訓練，獲得每一個全連接層的輸出結果，并對每個輸出結果進行變換，根據變換后的最大值所對應的焊接狀態作為最終的診斷結果。本發明主要用于對激光焊接狀態進行判別。

本發明授權一種基于卷積神經網絡的激光焊接狀態判別方法在權利要求書中公布了：1.一種基于卷積神經網絡的激光焊接狀態判別方法，其特征在于，包括如下步驟：S1：通過預實驗采集激光焊接過程中的激光羽輝和熔池形貌；S2：通過三維卷積神經網絡分別處理激光羽輝和熔池形貌，獲得特征向量；在S2中，采用兩個獨立三維卷積神經網絡分別處理激光羽輝和熔池形貌，所述激光羽輝和熔池形貌的處理過程具體包括如下步驟：S21：將預實驗采集得到的激光羽輝和熔池形貌變換到統一尺寸的圖片；即變換后的圖片尺寸為C*H*W,其中C代表圖片通道數，H代表圖片的像素高度，W代表圖片的像素寬度；S22：將任意時間長度內的圖片進行堆疊，形成尺寸為C*T*H*W的圖片序列，其中T代表圖片數量；S23：將激光羽輝的圖片序列C1*T1*H1*W1和熔池形貌的圖片序列C2*T2*H2*W2分別輸入兩個獨立的三維卷積神經網絡中，同時提取激光羽輝和熔池形貌的時間信息和空間信息；其中，C1是激光羽輝的圖片通道數，T1是激光羽輝圖片的像素高度，H1是激光羽輝圖片的像素高度，W1是激光羽輝圖片的像素寬度；C2是熔池形貌的圖片通道數，T2是熔池形貌圖片的像素高度，H2是熔池形貌圖片的像素高度，W2是熔池形貌圖片的像素寬度；S24：每個所述三維卷積神經網絡同時在H、W、T三個尺度上進行卷積，輸入的圖片序列在圖片通道數C尺度上增加，在圖片的像素高度H、圖片的像素寬度W和圖片數量T尺度上減小，直到圖片序列尺寸變為C’*1*1*1，由此得到兩個尺寸為C’*1的特征向量a和b；在S24中，所述三維卷積神經網絡包括N層卷積，每一層卷積后跟隨一個批標準化層、一個非線性激活層和一個最大池化層；S3：通過權重融合將對應于激光羽輝和熔池形貌的特征向量進行融合，獲得用于分類的融合向量，采用全連接層對焊接狀態進行區分；在S3中，所述通過權重融合將對應于激光羽輝和熔池形貌的特征向量進行融合的具體過程包括：S31：將特征向量a和b分別與兩個權重系數和相乘后再相加，獲得用于分類的融合向量c，結果如下： ；所述權重系數和的取值范圍是[0,1],并且兩者之和為1，具體如下： ，；S32：若焊接狀態的區分需求為n類，則采用n對權重系數，得到n個融合向量，依次把融合向量輸入獨立的全連接層，獲得n個1*1的輸出結果，再將n個輸出結果拼接，形成一個尺寸為n*1的結果向量；S4：采用預實驗采集得到的圖片對三維卷積神經網絡進行訓練，獲得每一個全連接層的輸出結果，并對每個輸出結果進行變換，根據變換后的最大值所對應的焊接狀態作為最終的診斷結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人哈爾濱工業大學(威海);山東船舶技術研究院，其通訊地址為：264209 山東省威海市文化西路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。