[发明专利]一种基于卷积神经网络的马克杯杯口缺陷检测分类方法在审
| 申请号： | 201811631744.8 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109685030A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 李东洁;李若昊;李东阁 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/42;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 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马克杯杯口缺陷检测分类方法，包括以下步骤：A、由图像采集系统采集马克杯杯口图像信息；B、利用opencv去除采集到图像的噪声和数据集扩充；C、利用LabelImg对马克杯杯口图像进行缺陷标记，将标记好的训练集图像统一格式化为固定大小：2M*2M；D、利用格式化后的训练集对待训练卷积神经网络进行训练；E、利用训练后卷积神经网络模型对缺陷标记后的图像进行图像特征提取；F、区域推荐网络根据图像特征生成相同数量的正样本候选框和负样本候选框；G、对目标推荐区域内检测目标进行分类。至此，整个系统完成了对马克杯杯口缺陷检测分类。本发明可以有效的用于马克杯杯口缺陷检测分类，提高检测自动化程度和效率并减少人为因素对检测过程的影响以及工人的劳动强度。 | ||
| 搜索关键词： | 卷积神经网络 缺陷检测 分类 缺陷标记 候选框 图像 检测 图像采集系统 图像特征提取 格式化 采集 训练集图像 人为因素 统一格式 图像特征 图像信息 负样本 数据集 训练集 正样本 去除 噪声 自动化 网络 | ||
【主权项】：
1.一种基于卷积神经网络的马克杯杯口缺陷检测分类方法，其特征在于：使用改进后的Adam更新卷积神经网络网络权值，根据更新过程中的梯度下降情况，适当的对学习率进行修改，以适应不同的梯度，提高训练效率。
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/201811631744.8/，转载请声明来源钻瓜专利网。
