一种基于深度学习的光固化材料性能预测方法

本发明提供了一种基于深度学习的光固化材料性能预测方法，涉及光固化3D打印技术领域，该方法通过实时收集光固化材料的多模态数据；对采集的多模态数据进行数据清洗、去噪、标准化处理，将处理后的多模态数据进行融合，提取材料配方的关键指标值和打印工艺参数；使用提取的多模态数据中的关键指标值，构建初始深度学习神经网络模型；使用打印工艺参数对初始神经网络模型进行训练，采用梯度下降优化模型权重，通过交叉验证对模型进行性能评估和调优，验证后得到材料性能预测模型；基于所述材料性能预测模型对待预测光固化材料的性能进行预测。本发明通过综合分析光固化材料的配方、光照条件和打印参数，精确预测材料在不同条件下的性能。