[發明專利]一種卷積神經網絡識別AFM圖象預測材料性能的方法

在審

• 申請號: 202110564588.3
• 申請日: 2021-05-24
• 公開（公告）號: CN113408188A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 高翔;徐涵;羅英武;趙俊杰
• 申請（專利權）人: 浙江大學衢州研究院;浙江大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F113/26;G06F119/14
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種卷積神經網絡識別AFM圖象預測材料性能的方法，其特征在于，利用機器學習的方法搭建并訓練一個深度卷積神經網絡，該網絡通過AFM相圖預測聚合物材料的力學性能。

2.根據權利要求1所述卷積神經網絡識別AFM圖象預測材料性能的方法，其特征在于，將合成的已知聚合物作為數據集的來源，通過DMA進行拉伸性能測試的結果作為數據集的標簽，使用AFM采集的相圖作為數據集的特征，使用數據集對深度卷積神經網絡進行訓練。

3.根據權利要求2所述卷積神經網絡識別AFM圖象預測材料性能的方法，其特征在于，將像素值歸一化到[0，1]范圍內來對數據集中的圖像進行預處理。

4.根據權利要求1所述卷積神經網絡識別AFM圖象預測材料性能的方法，其特征在于，所述卷積神經網絡使用Res-Net網絡模型，通過殘差學習建立跳過連接，加快訓練速度。

5.根據權利要求4所述卷積神經網絡識別AFM圖象預測材料性能的方法，其特征在于，基于Res-Net網絡模型，首先使用卷積層與最大池化層進行輸入，并使用局部響應歸一化確保先前的層識別各種模式。隨后添加多個不同的殘差單元，每個殘差單元由兩個卷積層組成且沒有池化層；具有批量歸一化和ReLU激活，使用n×n內核并保留空間維度。