《隱性形狀結構獲取方法及其在產品設計中的套用》是依託浙江大學，由段桂芳擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：隱性形狀結構獲取方法及其在產品設計中的套用
- 依託單位：浙江大學
- 項目負責人：段桂芳
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
形狀結構仿生設計是獲取力學性能良好的產品形狀結構的重要手段之一。目前的形狀結構仿生設計方法側重於通過目視觀察手動測量獲取形狀特徵，缺少異類或群體的形狀發現及形狀的進化過程分析，缺乏形狀與物理屬性關聯規律的研究，難以實現物理參數驅動的形狀設計。針對這些問題，本項目將生物圖像處理、機器學習、仿生設計與形狀設計相結合，提出隱性形狀獲取的方法，探索利用計算機視覺與機器學習技術從大規模的生物圖像中提取隱性形狀。通過基於梯度矢量流主動形狀分析，實現隱性形狀特徵點的自動提取；通過自適應加權張量學習，實現隱性形狀統計規律分析；通過隱性特徵參數的物理意義發現，實現隱性特徵參數驅動的產品形狀設計。從而，為在設計早期構造出機械力學性能良好的產品形狀結構提供理論、方法與工具支持。
結題摘要
形狀結構設計是產品設計的主要任務之一。形狀結構直接或間接影響產品的美學、人體工學、力學、使用可靠性等眾多性能。本項目將生物圖像處理、機器學習、仿生設計與形狀結構設計相結合，開展利用計算機視覺與機器學習技術從大規模的生物圖像中提取隱性形狀結構研究。（1）構建了多品種多生長階段的王蓮葉片葉脈圖像樣本庫，提出了基於生物意義特徵點的葉脈形狀表示方法，實現了葉脈形狀的參數化表示，給出了基於普氏分析的葉脈形狀向量歸一化方法，構建了規格化的葉脈形狀表征樣本庫；（2）提出了基於尺度不變特徵變換的葉脈形狀局部特徵表示方法，實現了特徵點的精確匹配，提出了隱性加權主動形狀結構建模算法，提高了關鍵特徵點搜尋的準確性，提出了基於梯度矢量流推動的隱性形狀結構特徵點匹配方法，實現了隱性形狀結構特徵點快速定位，提出了隱性形狀結構模型多解析度多尺度搜尋策略，提高了模型匹配的準確性；（3）提出了基於張量的隱性形狀結構多重線性統計學習方式，實現了隱性形狀結構的多屬性關聯分析；建立了隱性形狀結構不同類別間的變異規律學習模型，實現了隱性形狀類別間相似性與差異性分析，初步揭示了隱性形狀結構模型參數的物理含義。為在設計早期構造出機械力學性能良好的產品形狀結構提供理論、方法與工具支持。
