一种基于Phy-ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于Phy‑ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法,该方法利用添加了物理信息的Phy‑ConvNeXt卷积神经网络智能预测铸体薄片图像渗透率。鉴于大量的铸体薄片数据难以获取,首先通过人工合成足够数据量的多孔介质二值图像作为输入数据,并利用CFD方法计算每张图像所对应的渗透率作为输出数据,将二值图像和其对应的渗透率标签作为训练模型的基础数据。然后基于Phy‑ConvNeXt卷积神经网络建立多孔介质渗透率预测模型,通过训练得到一个适合铸体薄片渗透率预测的模型。最后利用迁移学习方法预测铸体薄片的渗透率,R
《一种基于Phy-ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024104466235,当前法律状态为已下证,由成都理工大学提出申请,发明人为寨硕;李成勇;耿少阳;刘义;李亚锜,申请日期为2024-04-15,公开(公告)日期为2025-04-18,国际专利分类号(IPC)为 G06F 30/23 (2020.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于Phy‑ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法,该方法利用添加了物理信息的Phy‑ConvNeXt卷积神经网络智能预测铸体薄片图像渗透率。鉴于大量的铸体薄片数据难以获取,首先通过人工合成足够数据量的多孔介质二值图像作为输入数据,并利用CFD方法计算每张图像所对应的渗透率作为输出数据,将二值图像和其对应的渗透率标签作为训练模型的基础数据。然后基于Phy‑ConvNeXt卷积神经网络建立多孔介质渗透率预测模型,通过训练得到一个适合铸体薄片渗透率预测的模型。最后利用迁移学习方法预测铸体薄片的渗透率,R
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
