[发明专利]一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备在审
| 申请号： | 201910389760.9 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110263630A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 殷蔚明;邓铮;龚伟 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G01N21/88 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 易滨 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，通过USB数据线将计算机与高清摄像头进行连接，工作人员通过操作计算机中安装的计算机瑕疵图像识别系统下发控制命令，控制高清摄像头对传送带上的铝材进行拍照，得到图像数据，并将图像数据传输回计算机瑕疵图像识别系统；计算机瑕疵图像识别系统，该系统调用深度学习框架Pytorch将图像数据转换为张量数据，并采用基于Inception模型的卷积神经网络对张量数据进行计算，最终将得分最高的类别进行输出，该得分最高的类别即为识别出的瑕疵图像。本发明的有益效果是：减轻铝型材生产过程中的瑕疵检测方面的人力成本，提高瑕疵识别速率，保证铝型材的生产质量。 | ||
| 搜索关键词： | 瑕疵图像 卷积神经网络 识别系统 铝材 瑕疵 计算机 高清摄像头 识别设备 图像数据传输 图像数据转换 操作计算机 铝型材生产 传送带 人力成本 图像数据 系统调用 下发控制 瑕疵检测 铝型材 拍照 输出 保证 学习 生产 | ||
【主权项】：
1.一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：包括：计算机，固定于铝材传送带旁，通过USB数据线与高清摄像头进行连接，用于安装、训练和运行计算机瑕疵图像识别系统；USB数据线，连接高清摄像头与计算机，用来传输图像数据；高清摄像头，在实际生产车间被安装于传送带上，工作人员通过操作计算机瑕疵图像识别系统下发控制命令，控制高清摄像头对传送带上的铝材进行拍照，得到图像数据，并将所述图像数据传输回计算机瑕疵图像识别系统；计算机瑕疵图像识别系统，该系统调用深度学习框架Pytorch将所述图像数据转换为张量数据，并采用基于Inception模型的卷积神经网络对所述张量数据进行计算得到高维向量，该高维向量中的每一维对应的数值分别表示属于每一类别的概率，最终将概率最高的数值对应的类别进行输出；若无瑕疵类别的概率最高时，该设备不输出，若设备输出，则输出的类别即为识别出的瑕疵图像。
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地质大学（武汉），未经中国地质大学（武汉）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/201910389760.9/，转载请声明来源钻瓜专利网。
