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！

龙图腾网获悉天津师范大学申请的专利一种基于深度学习的电子散斑干涉实时相位解缠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：CN121413669B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202512000441.2，技术领域涉及：G06N3/0455；该发明授权一种基于深度学习的电子散斑干涉实时相位解缠方法是由徐敏;田正阳;翁馨杰;李若彤;申玉馨设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种基于深度学习的电子散斑干涉实时相位解缠方法在说明书摘要公布了：本发明公开了一种基于深度学习的电子散斑干涉实时相位解缠方法，属于光学检测和图像处理技术领域，包括：生成绝对相位标签，获得原始散斑图及含噪声包裹相位图像、无噪声包裹相位标签、包裹计数标签，构建训练数据集；基于卷积神经网络，以共享编码器、相位重建解码器、相位滤波解码器及对称分支为整体框架，构建双任务耦合网络模型；基于相位重建损失、包裹相位滤波损失和包裹计数分割损失，构建复合损失函数；基于复合损失函数，对双任务耦合网络模型进行训练；基于训练后的双任务耦合网络模型对待处理的原始包裹相位图进行相位解缠，获得相位解缠后的绝对相位图。本发明显著提高了相位解缠的效率和精度。

本发明授权一种基于深度学习的电子散斑干涉实时相位解缠方法在权利要求书中公布了：1.一种基于深度学习的电子散斑干涉实时相位解缠方法，其特征在于，包括以下步骤： 基于随机数序列，生成对应的绝对相位标签； 基于绝对相位标签，获得原始散斑图； 基于绝对相位标签和原始散斑图，生成含噪声包裹相位图像、无噪声包裹相位标签和包裹计数标签，构建训练数据集； 基于卷积神经网络，以共享编码器、相位重建解码器、相位滤波解码器及对称分支为整体框架，构建双任务耦合网络模型； 基于相位重建损失、包裹相位滤波损失和包裹计数分割损失，构建复合损失函数； 基于所述复合损失函数以及训练数据集，对双任务耦合网络模型进行训练； 基于训练后的双任务耦合网络模型对待处理的原始包裹相位图进行相位解缠，获得相位解缠后的绝对相位图； 基于卷积神经网络，以共享编码器、相位重建解码器、相位滤波解码器及对称分支为整体框架，构建双任务耦合网络模型的过程包括： 构建共享编码器，对输入的含噪声包裹相位图进行逐级下采样，获取多尺度相位特征图； 构建相位重建解码器和相位滤波解码器，分别对所述多尺度相位特征图进行逐级上采样并融合浅层特征，获取对应的绝对相位特征和滤波后包裹相位特征； 构建绝对相位重建分支与包裹相位滤波分支，基于绝对相位特征和滤波后包裹相位特征，输出对应的绝对相位结果和包裹相位结果以及包裹计数结果； 进而完成双任务耦合网络模型的结构构建。

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天津师范大学，其通讯地址为：300387 天津市西青区宾水西道393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”。

以上内容由龙图腾AI智能生成。