[发明专利]一种基于深度学习技术实现设备裂损自动识别的方法在审
| 申请号： | 201910567008.9 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110334630A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 张方恒;董秀国;王彬;庞诚;解晓霞;陶可猛;单宝山;张继洲;张玉锋 | 申请（专利权）人： | 和远智能科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06T7/00 |
| 代理公司： | 济南泉城专利商标事务所 37218 | 代理人： | 张贵宾 |
| 地址： | 250000 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及缺陷识别技术领域，特别涉及一种基于深度学习技术实现设备裂损自动识别的方法。包括应用在预处理服务器的系统平台上的过程和应用在训练服务器的系统平台上的过程；所述应用在预处理服务器的系统平台上的过程包括以下步骤：S11用于图像归一化处理的过程；S12用于图像部位标注和裁剪的过程；S13用于部位图像正负样本生成的过程；所述应用在训练服务器的系统平台上的过程包括以下步骤：S21用于制作数据集的过程；S22用于设置训练初始化参数和调优过程；S23用于测试验证模型过程。本发明基于最新的深度学习技术，进行了整体的优化提升，解决大量人工标注问题，解决了缺陷的负样本过少的问题，针对缺陷样本可以海量无限生成。 | ||
| 搜索关键词： | 系统平台 预处理服务器 技术实现 自动识别 应用 裂损 服务器 初始化参数 图像归一化 部位图像 模型过程 缺陷识别 缺陷样本 人工标注 图像部位 正负样本 负样本 数据集 裁剪 学习 标注 验证 测试 制作 优化 | ||
【主权项】：
1.一种基于深度学习技术实现设备裂损自动识别的方法，其特征在于：包括应用在预处理服务器的系统平台上的过程和应用在训练服务器的系统平台上的过程；所述应用在预处理服务器的系统平台上的过程包括以下步骤：S11用于图像归一化处理的过程；S12用于图像部位标注和裁剪的过程；S13用于部位图像正负样本生成的过程；所述应用在训练服务器的系统平台上的过程包括以下步骤：S21用于制作数据集的过程；S22用于设置训练初始化参数和调优过程；S23用于测试验证模型过程。
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和远智能科技股份有限公司，未经和远智能科技股份有限公司许可，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/201910567008.9/，转载请声明来源钻瓜专利网。
