[发明专利]一种基于卷积神经网络的马克杯杯口缺陷检测分类方法在审
| 申请号： | 201811631744.8 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109685030A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 李东洁;李若昊;李东阁 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/42;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积神经网络 缺陷检测 分类 缺陷标记 候选框 图像 检测 图像采集系统 图像特征提取 格式化 采集 训练集图像 人为因素 统一格式 图像特征 图像信息 负样本 数据集 训练集 正样本 去除 噪声 自动化 网络 | ||
【权利要求书】：
1.一种基于卷积神经网络的马克杯杯口缺陷检测分类方法，其特征在于：使用改进后的Adam更新卷积神经网络网络权值，根据更新过程中的梯度下降情况，适当的对学习率进行修改，以适应不同的梯度，提高训练效率。
2.一种基于卷积神经网络的马克杯杯口缺陷检测分类方法，其特征在于：特征图上生成小滑窗同时预测出推荐区域候选框，将与目标真实框的交并比IOU大于0.7的候选框作为正样本，将与目标真实框交并比IOU小于0.3的候选框作为负样本，其余的候选框则会被舍弃。
3.一种基于卷积神经网络的马克杯杯口缺陷检测分类方法，其特征在于：对获得的推荐区域特征使用softmax分类器判断目标类别，并对属于某一个类别的区域候选框利用网络的回归层进行第二次调整，进一步修正其位置，直至效果最佳，最终达到最优分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/201811631744.8/1.html，转载请声明来源钻瓜专利网。
