[发明专利]零件表面瑕疵检测中神经网络的训练样本的合成方法有效
| 申请号： | 201811221719.2 | 申请日： | 2018-10-19 |
| 公开（公告）号： | CN109584206B | 公开（公告）日： | 2021-07-06 |
| 发明（设计）人： | 孙佳;王鹏 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/136;G06T7/11;G06T7/62 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于表面瑕疵检测技术领域，具体提供了一种零件表面瑕疵检测中神经网络的训练样本的合成方法。训练样本的合成方法包括：步骤S1：获取带瑕疵零件样本的图像；步骤S2：从带瑕疵零件样本的图像中获取瑕疵图像；步骤S3：提取瑕疵图像的图像特征并将扰动加入图像特征来生成训练样本。通过这样的方法获取训练样本，只需获取少量的带有瑕疵的零件，通过获取少量的瑕疵零件表面的图像，对图像中存在的瑕疵进行提取获取各种瑕疵的图像，从各种瑕疵的图像中提取瑕疵的图像特征，再对各图像特征加入相应的扰动以生成数量巨大的训练样本，满足了神经网络的训练需求，解决了用于神经网络训练的训练样本获取困难，无法获取大量训练样本的问题。 | ||
| 搜索关键词： | 零件 表面 瑕疵 检测 神经网络 训练 样本 合成 方法 | ||
【主权项】：
1.一种零件表面瑕疵检测中神经网络的训练样本的合成方法，其特征在于，所述合成方法包括：步骤S1：获取带瑕疵零件样本的图像；步骤S2：从带瑕疵零件样本的图像中获取瑕疵图像；步骤S3：提取所述瑕疵图像的图像特征并将扰动加入所述图像特征来生成训练样本。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201811221719.2/，转载请声明来源钻瓜专利网。
