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！

龙图腾网获悉上海交通大学申请的专利多层次深度学习神经网络自适应全局变形视觉测量方法和系统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：CN116972764B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310907151.4，技术领域涉及：G01B11/16；该发明授权多层次深度学习神经网络自适应全局变形视觉测量方法和系统是由何霁;任恩圳;钱昌明设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本多层次深度学习神经网络自适应全局变形视觉测量方法和系统在说明书摘要公布了：本发明提供了一种多层次深度学习神经网络自适应全局变形视觉测量方法和系统，包括：步骤S1：将相机和镜头的光轴与试样表面垂直对齐，记录试样在不同状态下的信息；步骤S2：基于多层次深度学习神经网络对图像中感兴趣区域进行全局网格化生成形函数，从而实现全局变形测量；步骤S3：以零均值归一化最小距离平方标准为损失函数，使用Adam优化神经网络的参数和节点位移，权重和偏差是节点位置的函数，通过对神经网络参数的优化实现网格自适应；步骤S4：根据优化结果导出全局位移场和应变场，实现高精度的自适应全局变形测量。本发明从而实现全局变形测量可以克服传统方法中位移场不兼容的问题，从而提高视觉变形测量的精度。

本发明授权多层次深度学习神经网络自适应全局变形视觉测量方法和系统在权利要求书中公布了：1.一种多层次深度学习神经网络自适应全局变形视觉测量方法，其特征在于，包括： 步骤S1：将相机和镜头的光轴与试样表面垂直对齐，记录试样在不同状态下的信息； 步骤S2：基于多层次深度学习神经网络对图像中感兴趣区域进行全局网格化生成形函数，从而实现全局变形测量； 步骤S3：以零均值归一化最小距离平方标准为损失函数，使用Adam优化神经网络的参数和节点位移，权重和偏差是节点位置的函数，通过对神经网络参数的优化实现网格自适应； 步骤S4：根据优化结果导出全局位移场和应变场，实现高精度的自适应全局变形测量； 在步骤S2中，基于多层次深度学习神经网络对图像中感兴趣区域进行全局网格化生成形函数，通过同时匹配所有单元来确定所有节点位移，从而保证位移场的连续性； 形函数形式为： 其中，为位移场；为网格单元节点数目；为位移场坐标；为网格节点i的坐标；为网格节点位移；为的形函数的网络结构； 多层次深度学习神经网络的形函数形式为： 其中，为神经网络中间层权重；为神经网络中间层偏差； 相邻单元之间共用节点和边界使单元之间的位移场满足一致性要求，在单元边界和节点上，相邻单元的位移相同，从而保证位移场的全局连续性； 神经网络的中间层的权重和偏差是网格节点坐标的函数： 通过训练神经网络不断优化其参数，权重和偏差是网格节点坐标的函数，优化时网格节点的坐标也得到优化； 所述多层次深度学习神经网络由三个基本模块构成，分别是线性函数模块、乘法模块和求逆模块，通过这三个模块生成不同类型的形函数，以适应不同的材料和变形特性，对于双线性元素形函数，其公式为： 其中，表示第个四节点单元的第个节点的坐标；表示第个四节点单元的第个节点的坐标。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。