[发明专利]一种瓷砖纹理检测方法、系统、装置及可读存储介质在审
申请号: | 201711058538.8 | 申请日: | 2017-11-01 |
公开(公告)号: | CN107730500A | 公开(公告)日: | 2018-02-23 |
发明(设计)人: | 何浩;李海艳;黄运保 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/40;G06K9/62;G01N21/88 |
代理公司: | 北京集佳知识产权代理有限公司11227 | 代理人: | 罗满 |
地址: | 510006 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 瓷砖 纹理 检测 方法 系统 装置 可读 存储 介质 | ||
1.一种瓷砖纹理检测方法,其特征在于,包括:
获取第一训练样本和第二训练样本;其中,所述第一训练样本包括训练图像和对应的训练特征值,所述第二训练样本包括训练特征值;
利用所述第一训练样本,训练深度卷积网络模型,得到训练后深度卷积网络模型;
利用所述第二训练样本,构建SVM分类器;
获取待测图像;
将所述待测图像输入所述训练后深度卷积网络模型,得到对应的待测特征值;
通过所述SVM分类器对所述待测特征值进行分类判定。
2.根据权利要求1所述瓷砖纹理检测方法,其特征在于,
所述获取第一训练样本的过程包括:
获取所述第一训练样本;其中,所述第一训练样本包括训练图像和对应的训练特征值;
对所述训练图像进行图像预处理;
所述获取测试图像的过程包括:
获取待测图像;
对所述待测图像进行所述图像预处理。
3.根据权利要求2所述瓷砖纹理检测方法,其特征在于,所述图像预处理包括:
调整图像大小,和/或图像灰度化,和/或图像去噪声。
4.根据权利要求1至3任一项所述瓷砖纹理检测方法,其特征在于,所述利用所述第一训练样本,训练深度卷积网络模型,得到训练后深度卷积网络模型的过程,包括:
A:对所述训练特征值进行归一化,确定学习参数;
B:利用所述第一训练样本,计算所述深度卷积网络模型的隐含层矩阵和输出层矩阵;
C:计算隐含层权值修正量和输出层权值修正量;
D:根据所述隐含层权值修正量和所述输出层权值修正量,更新所述隐含层矩阵和所述输出层矩阵;
E:判断所述隐含层矩阵和所述输出层矩阵是否满足所述学习参数,如果是,则得到所述训练后深度卷积网络模型,如果否,则返回步骤B。
5.根据权利要求4所述瓷砖纹理检测方法,其特征在于,所述学习参数包括:
学习效率,和/或精度,和/或学习次数。
6.一种瓷砖纹理检测系统,其特征在于,包括:
第一获取模块,用于获取第一训练样本和第二训练样本;其中,所述第一训练样本包括训练图像和对应的训练特征值,所述第二训练样本包括训练特征值;
模型学习模块,用于利用所述第一训练样本,训练深度卷积网络模型,得到训练后深度卷积网络模型;
分类学习模块,用于利用所述第二训练样本,构建SVM分类器;
第二获取模块,用于获取待测图像;
测试模块,用于将所述待测图像输入所述训练后深度卷积网络模型,得到对应的待测特征值;
判定模块,用于通过所述SVM分类器对所述待测特征值进行分类判定。
7.根据权利要求6所述瓷砖纹理检测系统,其特征在于,还包括:
预处理模块,用于对所述训练图像和所述待测图像进行图像预处理。
8.根据权利要求7所述瓷砖纹理检测系统,其特征在于,所述图像预处理包括:
调整图像大小,和/或图像灰度化,和/或图像去噪声。
9.一种瓷砖纹理检测装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述瓷砖纹理检测方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述瓷砖纹理检测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711058538.8/1.html,转载请声明来源钻瓜专利网。