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！

龙图腾网恭喜华南理工大学申请的专利基于深度迁移学习的非接触激光超声损伤检测方法及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：CN115272192B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210776865.1，技术领域涉及：G06F18/241；该发明授权基于深度迁移学习的非接触激光超声损伤检测方法及系统是由洪晓斌;黄刘伟设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本基于深度迁移学习的非接触激光超声损伤检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度迁移学习的非接触激光超声损伤检测方法，包括以下步骤：S1：获取激光超声检测的振动信号，将振动信号划分为烧蚀信号和热弹信号，对烧蚀信号进行标签标记；S2：分别通过小波分解，提取烧蚀信号和热弹信号的低频分量特征，获得烧蚀信号和热弹信号的特征图；S3：构建损伤检测模型，将热弹信号的特征图输入激光能量映射网络，将热弹信号映射到烧蚀信号，获得映射热弹信号的特征图；S4：将烧蚀信号和映射热弹信号的特征图同时输入特征提取网络，提取烧蚀信号和映射热弹信号的特征；S5：对损伤检测模型进行迭代训练，直至迭代次数达到设定阈值；S6：将损伤检测模型用于对待测器件的热弹信号进行损伤检测，并输出损伤检测结果。

本发明授权基于深度迁移学习的非接触激光超声损伤检测方法及系统在权利要求书中公布了：1.一种基于深度迁移学习的非接触激光超声损伤检测方法，其特征在于，包括以下步骤：S1：通过激光检测方法获取激光超声检测的振动信号，将振动信号根据激光激励能量的差异划分为烧蚀信号和热弹信号，并对烧蚀信号进行标签标记，烧蚀信号为源域，热弹信号为目标域；S2：分别对烧蚀信号和热弹信号进行小波分解，并提取烧蚀信号和热弹信号的低频分量特征，获得烧蚀信号和热弹信号的特征图；S3：构建损伤检测模型，将热弹信号的特征图输入损伤检测模型的激光能量映射网络，将热弹信号的特征空间映射到烧蚀信号的特征空间，获得映射热弹信号的特征图；S4：将烧蚀信号和映射热弹信号的特征图同时输入损伤检测模型的特征提取网络，分别提取烧蚀信号和映射热弹信号的特征；S5：设定损伤检测模型的目标函数，对损伤检测模型进行迭代训练，直至迭代次数达到损伤检测模型设定的阈值；S6：获得训练好的损伤检测模型，将损伤检测模型用于对待测器件的热弹信号进行损伤检测，并输出损伤检测结果；步骤S5中，损伤检测模型的目标函数由边际损失函数LMargin和MMD损失函数LMMD通过加权相加获得，边际损失函数LMargin的目的是基于标记的源域数据，以有监督的方式最小化分类错误，边际损失函数用于缩小类内距离和扩大类间距离，MMD损失函数的目的是最小化源域和目标域之间的分布差异，目标函数为：LEMTN＝αLMargin+βLMMD式中，α为边际损失函数LMargin的权重系数，β为MMD损失函数LMMD的权重系数；边际损失函数LMargin为： 式中，为样本标签的指标，表示样本属于第c类，表示样本不属于第c类；为源域样本的预测标签值，正则参数λ为缺失类别损失的加权惩罚因子；m-为源域样本预测标签值的上边缘，m+为源域样本预测标签值的下边缘，如果样本属于第c类，则不小于m+，如果样本不属于第c类，则不大于m-；MMD损失函数LMMD为： 式中，NS为源域的样本总数，NT为目标域的样本总数，为源域第i个样本的输出特征映射，hjT为目标域第j个样本的输出特征映射，f为Relu激活函数。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。