- 专利标题: 一种基于机器学习的蜂窝结构图案化自适应填充方法
-
申请号: CN202210961145.2申请日: 2022-08-11
-
公开(公告)号: CN115294244B公开(公告)日: 2023-10-31
- 发明人: 陈彦飞 , 吴静 , 陈俊伟 , 张东升 , 王一光 , 方岱宁
- 申请人: 北京理工大学
- 申请人地址: 北京市海淀区中关村南大街5号
- 专利权人: 北京理工大学
- 当前专利权人: 北京理工大学
- 当前专利权人地址: 北京市海淀区中关村南大街5号
- 代理机构: 北京正阳理工知识产权代理事务所
- 代理商 邬晓楠
- 主分类号: G06T11/40
- IPC分类号: G06T11/40 ; G06V10/764 ; G06V10/82 ; G06N3/0464 ; G06N3/047 ; G06N3/048 ; G06N3/084 ; G06N5/01
摘要:
本发明公开的一种基于机器学习的蜂窝结构图案化自适应填充方法,属于增材制造、计算机技术领域。本发明本发明采用卷积神经网络,将每一层的切片信息作为数据集,构建卷积神经网络,进行切片图像的识别与分类并标记闭合多边形区域,通过参数共享机制显著减少网络参数与计算量,快速精准实现闭合多边形的识别与标记。将每一个多边形视为像素点,通过模拟退火算法求解切片填充路径,遍历每一条路径,利用模拟退火算法的渐近收敛性避免局部最优解问题,能够实现切片填充路径规划的全局最优。从初始点开始检测相邻位置是否是边界颜色,若不是就用填充色着色,直到检测完填充路径区域边界颜色范围内的所有像素为止,即实现蜂窝结构图案化自适应填充。
公开/授权文献
- CN115294244A 一种基于机器学习的蜂窝结构图案化自适应填充方法 公开/授权日:2022-11-04