[发明专利]基于卷积神经网络和双向长短期记忆的插针定位方法

摘要

本发明公开了一种基于卷积神经网络和双向长短期记忆的插针定位方法，该方法通过采用VGG‑16网络从图像中提取边缘点特征；然后开发一个转换模块以生成序列信息，并采用双向LSTM来增强模型的抗噪能力；最后，采用完全连接层来输出最终的预测结果。接插件图像中的噪声和低分辨率是影响插针定位的两个关键因素。通过使用深度学习进行插针图像的边缘提取和插针的定位，利用卷积神经网络对图像的边缘特征进行提取，能最大限度的保证低分辨率图像边缘信息的充分利用，更能准确的定位插针的边缘位置。双向LSTM具有根据上下文的信息处理当前信息的能力，而边缘点由于具有逻辑联系，其前后值几乎没有变化，双向LSTM能进一步优化边缘位置并忽略噪声的影响，从而使得插针定位精度的进一步提高。