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！

申请/专利权人：中国科学院合肥物质科学研究院

摘要：本发明公开了一种羽流动态特征与图卷积网络结合的选区激光熔融过程监测方法，包括，1：通过离轴高速摄像机采集选区激光熔融过程羽流图像；2：对得到的羽流图像进行阈值分割与特征提取，得到羽流动态特征；3：建立基于图卷积深度学习的图卷积网络的熔化状态识别方法；4：对图卷积网络进行训练并对识别性能进行评估；5：采集实时羽流图像并提取羽流动态特征，将其输入到训练好的模型中，对选区激光熔融加工过程的熔化状态进行识别与监测。本发明提高了熔化状态识别的准确率，实现准确的选区激光熔融过程监测。

主权项：1.一种羽流动态特征与图卷积网络结合的选区激光熔融过程监测方法，其特征在于，是按照以下步骤进行：步骤1、采集选区激光熔融过程的近红外图像并进行剪裁以保留羽流部分，并将剪裁后的图像转换为灰度图像，从而得到羽流图像数据集其中，代表第n张羽流图像，yn表示第n个羽流图像In对应熔融状态的类别标签，C、H和W代表羽流图像的通道数、高度和宽度；n＝1,2,…,N，N代表羽流图片总数；步骤2、对羽流图像进行阈值分割并建立羽流动态特征V；将V中的羽流特征点值集合对应的各个羽流特征点作为图的各个节点，将V中的各个羽流特征值作为对应节点上的特征，将A和D分别作为图的邻接矩阵与度矩阵，从而构建图结构数据；步骤3、建立基于图卷积深度学习的图卷积网络，包括：时空特征提取模块、特征输出模块；步骤3.1：所述时空特征提取模块由L个残差图卷积模块组成；当l＝1，将羽流动态特征V、邻接矩阵A和度矩阵D输入第l个残差图卷积模块中进行处理，得到第l个羽流时空特征图Hl；当l＝2,3,…,L时，将第l-1个羽流时空特征图Hl-1、邻接矩阵A和度矩阵D输入第l个残差图卷积模块中进行处理，，得到第l个羽流时空特征图Hl，从而由第L个残差图卷积模块输出第L个羽流时空图HL，并作为羽流运动编码特征；步骤3.2：所述特征输出模块包含、c个线性层和一个Sigmoid层；对HL进行打平操作后，得到一维羽流运动编码特征后，依次经过c个线性层和一个Sigmoid层的处理后，得到维度为1×num的熔化状态概率向量Q，其中，num为熔化状态类别标签的类别数；步骤4、基于Q和真实的熔化状态标签构建交叉熵损失函数，用于对图卷积网络进行参数更新，从而得到熔化状态分类模型，用于对选区激光熔融加工过程中的羽流图像进行识别，并得到当前加工过程的熔化状态类别，从而实现对选区激光熔融过程的监测。

全文数据：

权利要求：

百度查询： 中国科学院合肥物质科学研究院 羽流动态特征与图卷积网络结合的选区激光熔融过程监测方法