申请/专利权人:东南大学
申请日:2022-02-28
公开(公告)日:2024-06-14
公开(公告)号:CN114612395B
主分类号:G06T7/00
分类号:G06T7/00;G06V10/94;G06V10/25;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06T17/20
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2022.06.28#实质审查的生效;2022.06.10#公开
摘要:本发明公开了一种基于Abaqus的深度学习图像批量处理与分析方法,包括以下步骤:步骤S1、建立所需检测的结构有限元模型,提取结构有限元模型的信息输入文件;步骤S2、读取信息输入文件,利用Python编制图像批量处理方法,在结构有限元模型基础上批量模拟结构内部损伤;步骤S3、将结构内部损伤全部输入到Abaqus中批量分析,得到步骤S2中结构内部损伤的表面位移与应力云图,并进行三维标注,根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库;步骤S4、基于步骤S3得到的样本库,开展目标检测神经网络模型的训练、图像识别分析,其中目标检测神经网络模型的损失函数引入三维交并比预测误差的影响,在提高图像处理效率的同时,增加了预测精度。
主权项:1.一种基于Abaqus的深度学习图像批量处理与分析方法,其特征在于,包括以下步骤:步骤S1、利用有限元软件Abaqus建立所需检测的结构有限元模型,提取结构有限元模型的信息输入文件;步骤S2、读取步骤S1中有限元模型的信息输入文件,利用Python编制图像批量处理方法,在步骤S1中的结构有限元模型基础上批量模拟结构内部损伤;步骤S3、将步骤S2中结构内部损伤全部输入到Abaqus中批量分析,得到步骤S2中结构内部损伤的表面位移与应力云图,并进行三维标注,根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库;步骤S4、基于步骤S3得到的样本库,开展目标检测神经网络模型的训练、图像识别分析。
全文数据:
权利要求:
百度查询: 东南大学 一种基于Abaqus的深度学习图像批量处理与分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。