Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学陈伟获国家专利权

山东大学陈伟获国家专利权

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!

龙图腾网获悉山东大学申请的专利复杂环境下机械加工表面粗糙度抗干扰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:CN121544610B

龙图腾网通过国家知识产权局官网在2026-04-21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:202610063282.2,技术领域涉及:G06T7/00;该发明授权复杂环境下机械加工表面粗糙度抗干扰检测方法及系统是由陈伟;邹斌;褚东凯;寇磊;张瀚鸣;刘健;丁守岭;王鑫锋;王广设计研发完成,并于2026-01-19向国家知识产权局提交的专利申请。

复杂环境下机械加工表面粗糙度抗干扰检测方法及系统在说明书摘要公布了:本公开提供了复杂环境下机械加工表面粗糙度抗干扰检测方法及系统,涉及机械加工质量智能检测技术领域,包括获取加工件表面图像,提取图像纹理的核心特征参数;采用二级智能分割策略对表面图像的干扰因素进行定量分析,构建干扰量化矩阵;构建多维度耦合误差修正模型,将干扰量化矩阵和核心特征参数输入至多维度耦合误差修正模型,输出得到修正后的特征矩阵;将特征矩阵以及原始图像的灰度特征图一同输入至增强型神经网络模型,通过引入多头自注意力机制,融合参数特征与图像特征得到融合特征向量,将融合特征向量输入全连接层预测,输出得到粗糙度预测值。本公开实现了多材质加工件的表面粗糙度高精度在线检测。

本发明授权复杂环境下机械加工表面粗糙度抗干扰检测方法及系统在权利要求书中公布了:1.复杂环境下机械加工表面粗糙度抗干扰检测方法,其特征在于,包括: 获取加工件表面图像,并对其进行预处理,提取图像纹理的核心特征参数; 以核心特征参数为基准,采用二级智能分割策略对表面图像的干扰因素进行定量分析,提取干扰区域特征并构建干扰量化矩阵; 构建多维度耦合误差修正模型,将干扰量化矩阵和核心特征参数输入至多维度耦合误差修正模型,经过干扰修正和耦合补偿实现参数的修正优化,输出得到修正后的核心特征参数,并构建为特征矩阵; 所述多维度耦合误差修正模型为基础线性修正模型和多维度补偿的复合模型,其输入为干扰量化矩阵以及核心特征参数,具体模型结构为: 其中,基础系数求解采用最小二乘法拟合,为第i类特征参数的面积干扰系数,用于量化总干扰面积占比R对参数误差的影响;为第i类特征参数对第j类干扰的灰度敏感系数,用于量化的影响;为第i类特征参数的修正常数,用于补偿系统误差;耦合系数为第k类特征参数对第i类特征参数的干扰传递系数,量化参数间的耦合效应,其核心是先通过斯皮尔曼相关系数计算参数关联度,再转化为耦合系数;权重系数包括,为受干扰特征参数的基础权重,为干扰修正项权重,为参数耦合项权重,三者满足,采用粒子群优化算法优化;为受干扰图像的第i类特征参数;Pk干扰为受干扰图像的第k类特征参数; 将特征矩阵以及原始图像的灰度特征图一同输入至增强型神经网络模型,进行特征增强后,通过引入多头自注意力机制,计算参数特征与图像特征的注意力权重,融合参数特征与图像特征得到融合特征向量,将融合特征向量输入全连接层预测,输出得到粗糙度预测值。

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山东大学,其通讯地址为:250000 山东省济南市历下区经十路17923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。

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。