[发明专利]一种基于卷积神经网络的瓷瓶裂缝识别方法

权利要求书

1.一种基于卷积神经网络的瓷瓶裂缝识别方法，其特征在于，所述瓷瓶裂缝识别方法包括以下步骤：

步骤S1，构建用于瓷瓶裂缝识别的多尺度特征卷积神经网络；

步骤S2，预处理将训练数据，并将所述训练数据输入所述多尺度特征卷积神经网络；

步骤S3，将待进行裂缝识别的图片输入训练过的所述多尺度特征卷积神经网络获取识别结果。

2.根据权利要求1所述瓷瓶裂缝识别方法，其特征在于，在步骤S1中，所述多尺度特征卷积神经网络包括11个卷积层和降维卷积核，所述卷积层生成特征图，所述特征图通过所述降维卷积核处理进行多尺度特征融合；

所述特征图生成数量与所述降维卷积核数量相同。

3.根据权利要求1所述瓷瓶裂缝识别方法，其特征在于，在步骤S2中，还包括以下步骤：

步骤S21：获取用于训练的瓷瓶图像，并对所述瓷瓶图像中裂缝进行标注，作为训练图像；

步骤S22：将所述训练图像输入所述多尺度特征卷积神经网络获取多张特征图；

步骤S23：在多张特征图上生成目标预选框，训练网络参数。

4.根据权利要求3所述瓷瓶裂缝识别方法，其特征在于，在步骤S21中，所述瓷瓶图像是瓷瓶全景图，所述瓷瓶全景图包括分别具有横向裂缝、纵向裂缝、块状裂缝、网状裂缝和无裂缝的图像。

5.根据权利要求4所述瓷瓶裂缝识别方法，其特征在于，在步骤S21中，所述训练图像是在所述瓷瓶全景图中所述横向裂缝、纵向裂缝、块状裂缝和网状裂缝的位置上设置标注数据框，所述标注数据框采用长方形框。

6.根据权利要求3所述瓷瓶裂缝识别方法，其特征在于，在步骤S22中，所述多尺度特征卷积神经网络获取特征图A’、B’、C’、D’、E’和F’，并进行特征融合，生成特征图A-F。

7.根据权利要求1所述瓷瓶裂缝识别方法，其特征在于，在步骤S3中，还包括以下步骤：

步骤S31：获取待进行裂缝识别的瓷瓶图像，并将所述瓷瓶图像输入所述多尺度特征卷积神经网络进行检测；

步骤S32：通过所述多尺度特征卷积神经网络获取多张所述特征图；

步骤S33：在所述多张特征图上生成默认框；

步骤S34：输出筛选后的默认框，并输出经过识别的瓷瓶裂缝图像。

8.根据权利要求7所述瓷瓶裂缝识别方法，其特征在于，在步骤S32中，所述多尺度特征卷积神经网络获取6张特征图A-F，所述特征图A-F大小分别为38×38、19×19、10×10、5×5、3×3和1×1。

9.根据权利要求8所述瓷瓶裂缝识别方法，其特征在于，在步骤S33中，所述特征图A-F大小为n×n，则所述特征图具有n×n个中心点，每个中心点产生k个默认框，所述特征图A-F中的所述k分别为4、6、6、6、4、4。