[发明专利]一种基于CNN的废钢铁种类自动识别方法及装置

摘要

本发明公开了一种基于CNN的废钢铁种类自动识别方法及装置，对废钢铁图像进行收集，建立废钢铁样本数据库，并将收集的图像分为训练图像集和测试图像集；对废钢铁图像进行预处理；输入废钢铁训练图像，通过卷积神经网络进行机器深度学习，提取废钢铁图像特征；根据训练结果，调整优化参数，建立基于卷积神经网络的废钢铁图像分类模型。本发明实现了废钢铁种类自动识别。相较于人工识别分类方法，提高了废钢铁识别的客观性和规范性，而且识别速度快，准确率高。

主权项

1.一种基于CNN的废钢铁种类自动识别方法，其特征在于，包括：S1、对废钢铁图像进行收集，建立废钢铁样本数据库，并将收集的图像分为训练图像集和测试图像集；S2、对废钢铁图像进行预处理；S3、对预处理后的废钢铁图像进行常态数据生成、小样本定向生成以及相似样本的加强生成，将废钢铁图像映射为特征向量；S4、构建卷积神经网络模型并使用步骤S3处理后的训练图像集进行训练；S5、根据训练结果，建立真值标签与测试结果的差异回馈奖赏策略，通过迭代调整优化参数，建立基于卷积神经网络的废钢铁图像分类模型；S6、将使用步骤S3处理后的测试图像输入经过训练的卷积神经网络模型当中测试，判断是否需要返回步骤S1再训练；S7、使用训练好的卷积神经网络模型进行废钢铁图像种类的自动识别。