買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)計(jì)量大學(xué)申請(qǐng)的專利一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN112927227B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202110388979.4，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法是由馬寧;楊凱;許學(xué)彬;陳博桓;周豪;沈洋;倪軍設(shè)計(jì)研發(fā)完成，并于2021-04-12向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法在說明書摘要公布了：本發(fā)明公開了一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法，該算法使用帶有標(biāo)簽的經(jīng)CCD采集建立的數(shù)據(jù)集合樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并將神經(jīng)網(wǎng)絡(luò)算法運(yùn)用到采集數(shù)據(jù)集來驗(yàn)證正確率并推算光纖表面的微觀形態(tài)特征；通過tenserflow框架創(chuàng)建讀取數(shù)據(jù)集，記錄該組圖像在某一像素點(diǎn)a,b的灰度值變化序列為Xa,bt，采用三次埃爾米特插值方法將序列Xa,bt補(bǔ)充為大小為224*224的一維序列X2a,bt，然后將序列X2a,bt轉(zhuǎn)換為二維圖像矩陣X2a,bm,n；通過特殊設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)處理輸出預(yù)測(cè)的該像素點(diǎn)實(shí)際高度，并與樣本標(biāo)簽比對(duì)使誤差在設(shè)定閾值范圍內(nèi)；神經(jīng)網(wǎng)絡(luò)的運(yùn)用使得該算法具有較好的自學(xué)習(xí)、自組織能力及容錯(cuò)性和優(yōu)良的非線性逼近能力，可以提高包絡(luò)算法的準(zhǔn)確性及容錯(cuò)性，具有一定的參考意義。

本發(fā)明授權(quán)一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法在權(quán)利要求書中公布了：1.一種基于VGG16網(wǎng)絡(luò)的曲線包絡(luò)擬合法，其特征在于，包括：通過CCD采集建立所需的數(shù)據(jù)集合，統(tǒng)一樣本圖片規(guī)格，根據(jù)特征信息作相應(yīng)的數(shù)據(jù)預(yù)處理；將預(yù)處理后的二維圖像通過設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)與實(shí)際高度標(biāo)簽比對(duì)進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練分析結(jié)果修改優(yōu)化相應(yīng)神經(jīng)網(wǎng)絡(luò)；通過訓(xùn)練數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到滿足要求的目標(biāo)神經(jīng)網(wǎng)絡(luò)并部署到微觀形貌檢測(cè)中；訓(xùn)練神經(jīng)網(wǎng)絡(luò)步驟包括：由于白光干涉信號(hào)是受高斯函數(shù)調(diào)制的余弦信號(hào)，中心處零級(jí)條紋的位置光強(qiáng)值達(dá)到最高峰，為此設(shè)計(jì)相應(yīng)的大小為9*9的卷積核G9,9，要求按相同規(guī)則構(gòu)成G9,9的一維序列Gt的數(shù)據(jù)呈高斯分布；將某一像素點(diǎn)的二維圖像矩陣X2a,bm,n數(shù)據(jù)輸入，即長(zhǎng)寬為224的單通道圖像作為模型輸入，首先通過64個(gè)大小為9*9的卷積核G9,9進(jìn)行兩次卷積，再進(jìn)行maxpool降維到112*112*64；之后再次通過128個(gè)卷積核G9,9進(jìn)行兩次卷積，使用maxpool降維到56*56*128，即大小為56*56的128通道的圖像；重復(fù)通過256個(gè)卷積核G9,9進(jìn)行三次卷積，通過maxpool降維到28*28*256大小，通過512個(gè)卷積核G9,9進(jìn)行三次卷積，再次通過maxpool降維到14*14*512大小，再次使用512個(gè)卷積核G9,9卷積三次，通過maxpool降維到7*7*512大小；通過三個(gè)大小為4096，4096，1000個(gè)節(jié)點(diǎn)的全連接層將7，7，512拉伸為大小為1，1，1000的序列，通過soft-max將數(shù)值歸一化從而選出概率最大的數(shù)值X，利用比例歸一化將該數(shù)值轉(zhuǎn)換為此像素點(diǎn)的峰值高度，即X1000*樣本圖片組個(gè)數(shù)為此像素點(diǎn)的峰值高度，再乘以掃描步距便是該點(diǎn)的實(shí)際高度；將神經(jīng)網(wǎng)絡(luò)輸出的實(shí)際高度與實(shí)際高度標(biāo)簽相計(jì)算得到誤差，若誤差在人為規(guī)定閾值內(nèi)，則保存輸出神經(jīng)網(wǎng)絡(luò)模型；否則繼續(xù)調(diào)整神經(jīng)網(wǎng)絡(luò)模型參數(shù)，包括卷積核大小，個(gè)數(shù)，數(shù)據(jù)分布，以及神經(jīng)網(wǎng)絡(luò)層數(shù)，再次訓(xùn)練網(wǎng)絡(luò)，直至誤差滿足期望，保存輸出神經(jīng)網(wǎng)絡(luò)模型；然后對(duì)所有像素點(diǎn)進(jìn)行如上重復(fù)操作，便可以通過深度學(xué)習(xí)算法得到微觀物體的三維特征，從而正確構(gòu)建微觀表面三維狀貌。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)計(jì)量大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)學(xué)源街258號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。