【技术实现步骤摘要】
本专利技术涉及材料学领域，尤其是涉及一种材料性能预测方法。
技术介绍
1、随着深度学习的快速发展，不少研究者开始将其与材料学科的研究进行结合，例如使用深度学习方法预测材料性能。但是,在材料科学领域，获取数据是一件非常昂贵且耗时费力的工作，这直接导致了其数据的稀缺性。
2、然而,传统的卷积神经网络的卷积核尺寸大小是固定的，因此其感受野受到限制，只能提取到图像中具体区域中的细节特征，从而对材料结构信息提取的不够充分，没有做到充分利用现有关键特征，造成了大量的信息损失。现存的大多数方法是单模态方法，只能考虑到材料自身的结构信息，而忽略了其他能影响材料性能的外在因素。因此，要做到更准确的预测，必须更加充分的利用关键特征信息且考虑到更多的影响因素。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的信息损失大、数据源少缺陷而提供一种材料性能预测方法。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种材料性能预测方法，包括以下步骤：
<...【技术保护点】
1.一种材料性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述材料为使用大气等离子喷涂技术制备的具有Al2O3掺杂的t-YSZ涂层。
3.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述多模态数据包括EBSD图像、EBSD图像标签和实验环境参数。
4.根据权利要求3所述的一种材料性能预测方法，其特征在于，所述EBSD图像标签为材料的热导率。
5.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述整体相关特征网络包括Resnet-50网络，在Resne...
【技术特征摘要】
1.一种材料性能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述材料为使用大气等离子喷涂技术制备的具有al2o3掺杂的t-ysz涂层。
3.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述多模态数据包括ebsd图像、ebsd图像标签和实验环境参数。
4.根据权利要求3所述的一种材料性能预测方法，其特征在于，所述ebsd图像标签为材料的热导率。
5.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述整体相关特征网络包括resnet-50网络，在resnet-50网络的第四个特征提取阶段加入多头自注意力机制mhsa模块，用于捕获图像整体相关性。
6.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述区域细节特征分支网络通过convnext网络捕获图像细节特征。
7.根据权利要求1所述的一种材料性能预测方法，其特征在于，所述整体相关特征网络和...
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。