[发明专利]缺陷分类识别方法、装置、计算机设备和存储介质有效
| 申请号: | 201811399279.X | 申请日: | 2018-11-22 |
| 公开(公告)号: | CN109583489B | 公开(公告)日: | 2021-01-15 |
| 发明(设计)人: | 陶显;刘希龙;顾庆毅 | 申请(专利权)人: | 中国科学院自动化研究所;中国科学院自动化研究所南京人工智能芯片创新研究院 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04 |
| 代理公司: | 北京华夏泰和知识产权代理有限公司 11662 | 代理人: | 孟德栋 |
| 地址: | 100089 *** | 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: | 本申请涉及一种缺陷分类识别方法、装置、计算机设备和存储介质,所述方法通过获取原始图像,按照预设滑动窗口和滑动步长将原始图像分割成多个子图像,将各个子图像输入已训练的缺陷识别模型中,通过已训练的深度卷积网络模型提取各个子图像的图像特征,将各个子图像的图像特征输入分类识别模型,得到各个子图像的缺陷的分类识别结果,根据各个子图像的缺陷的分类识别结果确定原始图像的缺陷类型。通过对图像进行分割,将分割后的图像通过已训练的深度卷积网络模型快速、准确的提取图像的特征,分类识别模型对提取的特征进行分类识别得到对应的分类识别结果,提高了识别速度和识别准确率。 | ||
| 搜索关键词: | 缺陷 分类 识别 方法 装置 计算机 设备 存储 介质 | ||
【主权项】:
1.一种缺陷分类识别方法,其特征在于,所述方法包括:获取原始图像,按照预设滑动窗口和滑动步长将所述原始图像分割成多个子图像;将各个所述子图像输入已训练的缺陷识别模型中,所述已训练的缺陷识别模型包含已训练的深度卷积网络模型和分类识别模型;通过所述已训练的深度卷积网络模型提取各个所述子图像的图像特征;将各个所述子图像的图像特征输入所述分类识别模型,得到各个所述子图像的缺陷的分类识别结果;根据各个所述子图像的缺陷的分类识别结果确定所述原始图像的缺陷类型。
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;中国科学院自动化研究所南京人工智能芯片创新研究院,未经中国科学院自动化研究所;中国科学院自动化研究所南京人工智能芯片创新研究院许可,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/201811399279.X/,转载请声明来源钻瓜专利网。
- 上一篇:分布式k均值数据聚类方法
- 下一篇:大规模图像的匹配方法





