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！

龙图腾网获悉湖南大学申请的专利基于深度学习的复合材料CT图像性能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：CN119672501B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510185615.4，技术领域涉及：G06V10/82；该发明授权基于深度学习的复合材料CT图像性能识别方法是由毛贻齐;陶然设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本基于深度学习的复合材料CT图像性能识别方法在说明书摘要公布了：本发明涉及基于深度学习的复合材料CT图像性能识别方法，属于工业CT图像处理领域。包括：获取复合材料样品的CT图像数据进行灰度值标定，并输入训练好的U‑net模型对不同语义区域的图像进行提取，进而得到对应的灰度矩阵；构建复合材料样品的有限元模型，对该模型进行线性静力分析得到其刚度矩阵；获取待测复合材料样品的CT图像中不同语义区域的图像对应的灰度矩阵，将灰度矩阵输入训练好的双塔神经网络模型得到对应的刚度矩阵，基于刚度矩阵计算待测复合材料样品的弹性模量和泊松比，从而实现待测复合材料样品的性能检测。该方法实现了由复合材料CT图像到复合材料性能的检测，解决了目前复合材料性能检测效率低、准确性低的问题。

本发明授权基于深度学习的复合材料CT图像性能识别方法在权利要求书中公布了：1.基于深度学习的复合材料CT图像性能识别方法，其特征在于，所述方法包括以下步骤： 获取复合材料样品的CT图像数据，对所述CT图像数据进行灰度值标定； 将标定后的CT图像数据输入训练好的U-net模型，对CT图像中不同语义区域的图像进行提取，基于提取的不同语义区域的图像得到对应的灰度矩阵； 构建所述复合材料样品的有限元模型，对所述有限元模型进行线性静力分析得到其刚度矩阵； 构建双塔神经网络模型，基于所述灰度矩阵与刚度矩阵对所述双塔神经网络模型进行训练得到训练好的双塔神经网络模型； 将标定后的待测复合材料样品的CT图像数据输入训练好的U-net模型，对CT图像中不同语义区域的图像进行提取，进而得到对应的灰度矩阵；将所述灰度矩阵输入训练好的双塔神经网络模型得到对应的刚度矩阵，基于所述刚度矩阵计算待测复合材料样品的弹性模量和泊松比，从而实现待测复合材料样品的性能检测； 所述将标定后的CT图像数据输入训练好的U-net模型，对CT图像中不同语义区域的图像进行提取包括： 将标定后的CT图像数据输入训练好的U-net模型，对CT图像中不同语义区域的图像进行识别； 对识别的不同语义区域的图像建立对应的掩膜； 通过将CT图像与对应的掩膜进行位运算，提取对应的不同语义区域的图像； 采用直方图匹配的方式对所述CT图像数据的灰度值进行标定； 随机选取一个复合材料样品，并从该复合材料样品的CT图像数据中随机选取一个二维切片CT图像作为参考图像，其余复合材料样品的CT图像数据中所有的二维切片CT图像作为源图像，每个源图像均与所述参考图像进行直方图匹配。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。