【技术实现步骤摘要】
基于深度学习的纳米级结构加工预测及监测方法和装置
[0001]本专利技术涉及激光精密加工
，尤其涉及一种基于深度学习的纳米级结构加工预测及监测方法和装置
。
技术介绍
[0002]通过在材料表面制备微纳结构，可增强材料的诸多性能，包括抗菌性
、
抗磨擦磨损性
、
细胞相容性等，也可对材料表面的光学性能
、
润湿性能进行调控，在生产生活中均有广泛应用
。
常用的制备方法包括飞秒激光
、
离子束刻蚀和双光子聚合等
。
[0003]飞秒激光具有超高的峰值功率
、
极小的热效应，是一种高精密加工手段，相比于离子束刻蚀
、
双光子聚合等方法，其效率更高，且通过振镜系统可实现快速大面积纳米级结构的加工
。
但是，特定形貌尺寸的纳米级结构只在一定激光加工参数范围内产生，其余参数组合则会导致产生的纳米级结构不规整
、
或者结构损坏等不良纳米级结构
。
此...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的纳米级结构加工预测及监测方法，其特征在于，包括：获取激光加工参数，将所述激光加工参数输入至激光模块，以得到激光光束；将所述激光光束分束成监测激光光束和加工激光光束；利用预先构建的在线监测模块对所述监测激光光束进行实时监测，以得到监测结果，所述监测结果包括光斑形貌数据和激光能量密度数据；将所述监测结果输入至预先训练的纳米级结构形貌类型与质量预测模型，以得到纳米级结构形貌类型与质量预测结果；其中，所述纳米级结构形貌类型与质量预测模型是基于深度神经网络利用训练样本数据库进行训练得到的，所述训练样本数据库至少包括海量加工数据样本
。2.
根据权利要求1所述的基于深度学习的纳米级结构加工预测及监测方法，其特征在于，利用预先构建的在线监测模块对所述监测激光光束进行实时监测，以得到监测结果，具体包括：将所述监测激光光束分束成光斑形貌监测激光光束和激光能量密度监测激光光束；利用所述在线监测模块对所述光斑形貌监测激光光束进行实时监测，得到光斑形貌数据，利用所述在线监测模块对所述激光能量密度监测激光光束进行实时监测，得到激光能量密度数据；所述光斑形貌数据和激光能量密度数据构成所述监测结果
。3.
根据权利要求1所述的基于深度学习的纳米级结构加工预测及监测方法，其特征在于，将所述监测结果输入至预先训练的纳米级结构形貌类型与质量预测模型，以得到纳米级结构形貌类型与质量预测结果，之后还包括：对所述监测结果和所述纳米级结构形貌类型与质量预测结果进行测试，提取错误预测数据；将所述错误预测数据添加至所述训练样本数据库，以对所述纳米级结构形貌类型与质量预测模型进行更新
。4.
根据权利要求1所述的基于深度学习的纳米级结构加工预测及监测方法，其特征在于，基于深度神经网络利用训练样本数据库进行训练得到纳米级结构形貌类型与质量预测模型，具体包括：获取海量不同激光加工条件下加工纳米级结构样品的加工数据样本，所述加工数据样本至少包括纳米级结构样品的表面纳米形貌类型样本
、
纳米结构质量样本
、
加工所述纳米级结构样品所用激光的光斑形貌样本和激光加工参数样本；利用海量所述加工数据样本构建得到所述训练样本数据库；利用所述训练...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。