一种基于深度学习的材料数据曲线识别与拟合方法

本发明提供了一种基于深度学习的材料数据曲线识别与拟合方法，涉及材料数据提取技术领域，该方法包括：获取包含多条材料数据曲线的图像文件；采用图像分割技术将材料数据曲线从图像背景中分离出，并通过卷积神经网络提取材料数据曲线的特征点；以特征点作为控制点，通过多项式或样条插值对曲线进行参数化拟合，生成平滑的连续曲线。该方法还包括：通过图像处理技术检测图像文件中坐标轴的位置和边界；使用OCR技术识别坐标轴上的刻度标签，并结合深度学习模型解析刻度的数值和单位。本发明通过多模态特征融合、自适应预处理、智能数据标注等创新技术，实现了复杂曲线的精准识别、多曲线分离与关联、非标准坐标轴的智能识别以及高效实时处理。