多层次深度学习神经网络自适应全局变形视觉测量方法和系统

  • 国民经济行业:制造业
  • 学科类别:机械工程
  • 权利人:上海交通大学

知识产权简介

本发明提供了一种多层次深度学习神经网络自适应全局变形视觉测量方法和系统,包括:为了准确地记录试样在不同状态下的信息,需要确保相机和镜头的光轴与试样表面垂直对齐,这样可以避免因角度偏差而引入误差;基于多层次深度学习神经网络对图像中感兴趣区域进行全局网格化生成形函数,相邻单元之间共用节点和边界使单元之间的位移场满足一致性要求,即在单元边界和节点上,相邻单元的位移相同,从而保证了位移场的全局连续性得以实现全局变形测量;以零均值归一化最小距离平方标准为损失函数,使用Adaptive moment estimation优化神经网络的参数和节点位移,权重和偏差是节点位置的函数,通过对神经网络参数的优化可以实现网格自适应,其测量精度要高于传统的基于有限元的全局视觉测量方法;根据优化结果可以导出全局位移场和应变场,实现高精度的自适应全局变形测量。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作

更多信息