龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明提供了一种基于红外光谱的共挤复合薄膜厚度测量及成分识别方法，采用共挤复合薄膜的红外光谱作为对象，具有快速、无损、操作简便等优点，同时红外光谱信息量丰富。基于一维卷积神经网络（1D‑CNN）模型，首先建立共挤复合薄膜1D‑CNN定量模型，通过分析共挤复合薄膜的红外光谱数据实现高精度厚度测量。接着，在此基础上，将共挤复合薄膜1D‑CNN定量模型进行迁移，构建共挤复合薄膜1D‑CNN分类模型。此方法通过迁移学习技术，在不增加计算复杂度的前提下，显著提升了成分识别模型的构建效率。整个流程不仅能够有效提高识别准确率，还能优化模型训练速度，实现对共挤复合薄膜的厚度测量与成分识别的高效、准确的双重功能。
主权项：1.基于红外光谱的共挤复合薄膜厚度测量及成分识别方法，其特征在于，具体包括以下步骤：步骤1：采集不同厚度的共挤复合薄膜红外光谱数据，对红外光谱数据进行预处理并划分为训练集、验证集和预测集；步骤2：构建1D-CNN定量模型；步骤3：对所述定量模型进行训练、验证与测试，获得最优的1D-CNN定量模型，并通过该定量模型对未鉴定厚度的共挤复合薄膜组分进行厚度定量预测；步骤4：针对不同薄膜种类的分类需求，进一步将采集的红外光谱数据按薄膜种类划分，将1D-CNN定量模型迁移为1D-CNN分类模型；步骤5：将重新划分后的红外光谱数据划分为训练集、验证集和预测集；步骤6：对所述1D-CNN分类模型进行训练、验证与测试，获得最优的1D-CNN分类模型，并通过该1D-CNN分类模型对未鉴定类别的共挤复合薄膜进行分类识别。
全文数据：
权利要求：
百度查询： 中国计量大学 基于红外光谱的共挤复合薄膜厚度测量及成分识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号