[发明专利]一种基于深度卷积神经网络的五金件缺陷分类识别方法在审
| 申请号： | 201710707883.3 | 申请日： | 2017-08-17 |
| 公开（公告）号： | CN107481231A | 公开（公告）日： | 2017-12-15 |
| 发明（设计）人： | 王宏杰;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;G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 佛山市禾才知识产权代理有限公司44379 | 代理人： | 刘羽波 |
| 地址： | 510009 广东*** | 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： | 一种基于深度卷积神经网络的五金件缺陷分类识别方法，包括以下步骤；建立网络，构造一个深度卷积神经网络；训练网络，将采集到的图像分为两大类，即训练集和测试集，所述训练集占采集到图像总数的70％，所述测试集占采集到图像总数的30％；缺陷识别，将测试集中的五金件图像输入已经训练好的网络，查看输出结果，将识别结果与图像的标签进行对照，统计正确识别率和错误识别率。本算法中使用深度卷积神经网络，省去了复杂的图像处理算法，通过增加网络深度，提取到缺陷更加抽象的特征，使不同缺陷类别间具有更强的可区分性，识别率更高。 | ||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 五金件 缺陷 分类 识别 方法 | ||
【主权项】：
一种基于深度卷积神经网络的五金件缺陷分类识别方法，其特征在于，包括以下步骤：A.建立网络，构造一个深度卷积神经网络；B.训练网络，将采集到的图像分为两大类，即训练集和测试集，所述训练集占采集到图像总数的70％，所述测试集占采集到图像总数的30％；C.缺陷识别，将测试集中的五金件缺陷图像输入已经训练好的网络，查看输出结果，将识别结果与图像的标签进行对照，统计正确识别率和错误识别率。
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/patent/201710707883.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于图像采集的智能化玻璃清洁机器手控制系统
- 下一篇：图形匹配方法
