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！

龙图腾网恭喜东北石油大学三亚海洋油气研究院申请的专利基于迁移学习和改进残差网络复合材料损伤识别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：CN119715810B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510220687.8，技术领域涉及：G01N29/14；该发明授权基于迁移学习和改进残差网络复合材料损伤识别方法是由蒋鹏;王宇辉;段博文;孙博文;仉金鹏;曹鹤宇设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于迁移学习和改进残差网络复合材料损伤识别方法在说明书摘要公布了：本发明公开了一种基于迁移学习和改进残差网络复合材料损伤识别方法，涉及声发射数据处理和图像识别方法技术领域。该方法包括：获取复合材料拉伸的声发射数据集，并对声发射数据集进行梅尔频谱倒谱系数转换，生成梅尔频谱倒谱系数图谱数据集；以ResNet模型为基础，构建深度残差收缩网络模型，调用ResNet模型在图网络上训练的预训练权重，利用预训练权重中除所述残差块以外的其他权重对深度残差收缩网络模型进行权重初始化，得到基于迁移学习的深度残差收缩网络模型；用梅尔频谱倒谱系数图谱数据集训练，得到训练好的基于迁移学习的深度残差收缩网络模型；使用训练好的基于迁移学习的深度残差收缩网络模型，对待识别复合材料损伤类型进行识别。

本发明授权基于迁移学习和改进残差网络复合材料损伤识别方法在权利要求书中公布了：1.一种基于迁移学习和改进残差网络复合材料损伤识别方法，其特征在于，包括：获取复合材料拉伸的声发射数据集，并对声发射数据集进行梅尔频谱倒谱系数转换，生成梅尔频谱倒谱系数图谱数据集；所述声发射数据，包括：复合材料在纤维断裂、基体开裂以及分层三种损伤模式状态下的声发射数据；以ResNet模型为基础，构建深度残差收缩网络模型，调用ResNet模型在图网络上训练的预训练权重，利用预训练权重中除残差块以外的其他权重对深度残差收缩网络模型进行权重初始化，得到基于迁移学习的深度残差收缩网络模型；其中，所述构建深度残差收缩网络模型，包括：利用多个PSA块，将ResNet模型的残差块中的全部卷积块进行取代，得到EPSANet模型；在EPSANet模型中第二层PSA块的卷积操作后加入软阈值去噪模块，得到深度残差收缩网络模型；其中，所述调用ResNet模型在图网络上训练的预训练权重，利用预训练权重中除残差块以外的其他权重对深度残差收缩网络模型进行权重初始化，包括：调用ResNet模型的7×7卷积层在PyTorch图像数据库上已训练好的权重；调用ResNet模型的最大池化层在PyTorch图像数据库上已训练好的权重，对深度残差收缩网络模型的最大池化层进行初始化；调用ResNet模型的平均池化层在PyTorch图像数据库上已训练好的权重，对深度残差收缩网络模型的平均池化层进行初始化；调用ResNet模型的全连接层在PyTorch图像数据库上已训练好的权重，对深度残差收缩网络模型的全连接层进行初始化；对基于迁移学习的深度残差收缩网络模型进行训练，包括：采用十次交叉验证方法，将梅尔频谱倒谱系数图谱数据集划分为K个子集，进行K次训练和验证，每次使用K-1个子集作为训练集，另外一个子集作为验证集，并计算准确率；当准确率达到指定的迭代周期且准确率不再继续上升时，所述基于迁移学习的深度残差收缩网络模型的训练效果达到最优，并进行保存得到训练好的基于迁移学习的深度残差收缩网络模型；其中，在基于迁移学习的深度残差收缩网络模型的训练过程中，采用Adam优化算法和交叉熵损失函数对基于迁移学习的深度残差收缩网络模型进行优化；并设置自动调节的超参数，每经过10个训练周期，学习率减半；所述Adam优化算法的公式为： ； ；式中，mt为一阶矩估计，vt为二阶矩估计，β1为一阶矩估计的指数衰减率，β2为二阶矩估计的指数衰减率，，gi为梯度；所述交叉熵损失函数的公式为： ；式中，为交叉熵损失函数，q是类别的数量，，是真实标签的one-hot编码，为模型预测的第i类的概率；使用训练好的基于迁移学习的深度残差收缩网络模型，对待识别复合材料损伤类型进行识别。

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东北石油大学三亚海洋油气研究院，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城创新路8号中兴产业园A栋3层区；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”。