[发明专利]一种基于卷积神经网络的核堆内构件表面粗糙度评估方法在审
| 申请号： | 201810522834.7 | 申请日： | 2018-05-28 |
| 公开（公告）号： | CN108734142A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 高宏力;洪鑫;孙弋;宋虹亮;蔡璨羽;由智超;张永平;高照兵;汪洋;金立天 | 申请（专利权）人： | 西南交通大学;江苏省艾格森数控设备制造有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 何凡 |
| 地址： | 610031 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的核堆内构件表面粗糙度评估方法，包括以下步骤：S1、采集视频数据；S2、得到图像数据；S3、将图像数据分为训练数据集和测试数据集；S4、将训练数据集输入卷积神经网络进行训练，得到特征识别模型并输出初次识别特征；S5、将初次识别特征按照粗糙度进行分类，得到粗糙度等级；S6、将测试数据集输入特征识别模型进行测试，输出二次识别特征；S7、判断二次识别特征是否符合粗糙度等级；S8、将粗糙度等级显示在人机交互界面。本发明解决了现有技术存在的人工检测与评估导致人力投入大和效率低，以及无法保证材料表面粗糙度检测与评估的实时性和连续性要求的问题。 | ||
| 搜索关键词： | 粗糙度 卷积神经网络 表面粗糙度 测试数据集 训练数据集 评估 堆内构件 图像数据 材料表面粗糙度 采集视频数据 人机交互界面 连续性要求 等级显示 人工检测 输入特征 特征识别 输出 实时性 测试 分类 检测 保证 | ||
【主权项】：
1.一种基于卷积神经网络的核堆内构件表面粗糙度评估方法，其特征在于，包括以下步骤：S1：通过图像采集模块采集核堆内构件表面视频数据；S2：将视频数据输入监测预警模块，并对视频数据进行逐帧截图，得到图像数据；S3：将图像数据分为训练数据集和测试数据集；S4：将训练数据集输入卷积神经网络进行训练，得到特征识别模型并输出初次识别特征；S5：将初次识别特征按照粗糙度进行分类，得到粗糙度等级；S6：将测试数据集输入特征识别模型进行测试，输出二次识别特征；S7：判断二次识别特征是否符合粗糙度等级，若是则进入步骤S8，否则进入步骤S2；S8：将粗糙度等级显示在监测预警模块的人机交互界面，实现核堆内构件表面粗糙度的检测与评估。
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西南交通大学;江苏省艾格森数控设备制造有限公司，未经西南交通大学;江苏省艾格森数控设备制造有限公司许可，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/201810522834.7/，转载请声明来源钻瓜专利网。
