[发明专利]一种卷积神经网络识别AFM图象预测材料性能的方法在审
| 申请号： | 202110564588.3 | 申请日： | 2021-05-24 |
| 公开（公告）号： | CN113408188A | 公开（公告）日： | 2021-09-17 |
| 发明（设计）人： | 高翔;徐涵;罗英武;赵俊杰 | 申请（专利权）人： | 浙江大学衢州研究院;浙江大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06K9/62;G06F113/26;G06F119/14 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 324002 浙江省衢*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 卷积 神经网络 识别 afm 图象 预测 材料 性能 方法 | ||
【权利要求书】：
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。
2.根据权利要求1所述卷积神经网络识别AFM图象预测材料性能的方法，其特征在于，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。
3.根据权利要求2所述卷积神经网络识别AFM图象预测材料性能的方法，其特征在于，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。
4.根据权利要求1所述卷积神经网络识别AFM图象预测材料性能的方法，其特征在于，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。
5.根据权利要求4所述卷积神经网络识别AFM图象预测材料性能的方法，其特征在于，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学衢州研究院;浙江大学，未经浙江大学衢州研究院;浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110564588.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种阵列式麦克风
- 下一篇：一种气管套管封堵装置及其使用方法
