[发明专利]基于GLCM与CNN-Transformer融合的产品外观缺陷分类方法、存储介质有效
| 申请号： | 202210388135.4 | 申请日： | 2022-04-14 |
| 公开（公告）号： | CN114494254B | 公开（公告）日： | 2022-07-05 |
| 发明（设计）人： | 岳晨;黄鑫;裴孝怀;钟智敏;刘伟;王筱圃 | 申请（专利权）人： | 科大智能物联技术股份有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/44;G06V10/54;G06V10/80;G06V10/82;G06K9/62;G06T7/45;G06N3/04 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 苗娟 |
| 地址： | 230088 安徽省合肥市中国(安徽)自由贸易试验*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的一种基于GLCM与CNN‑Transformer融合的产品外观缺陷分类方法、存储介质，其中方法采用有效像素概率分布面积等分方法，对预处理后的产品样本图像进行灰度级降维，通过多通道分区域计算与合并方法，得到灰度共生矩阵GLCM与统计量矩阵，并引入3个1×1卷积核作为转换模块，对灰度共生矩阵GLCM进行降维处理，利用多层残差CNN进行特征提取，并与Swin Transformer Block结构体融合，同时，将统计量矩阵与多层残差CNN特征提取的融合结果进行二次特征融合，从而构建了GLCM与CNN‑Transformer融合的产品缺陷分类模型。本发明结合了灰度共生矩阵GLCM在纹理特征提取上的突出表现，以及CNN和Transformer在图像分类上的优势，能够更好地实现对有明显缺陷特征的产品外观的分类。 | ||
| 搜索关键词： | 基于 glcm cnn transformer 融合 产品 外观 缺陷 分类 方法 存储 介质 | ||
【主权项】：
暂无信息
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科大智能物联技术股份有限公司，未经科大智能物联技术股份有限公司许可，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/202210388135.4/，转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法
