[发明专利]一种基于深度学习的全卷积网络图像裂纹检测方法有效
| 申请号： | 201710992707.9 | 申请日： | 2017-10-23 |
| 公开（公告）号： | CN107909564B | 公开（公告）日： | 2021-04-09 |
| 发明（设计）人： | 伍星;王森;柳小勤;张印辉;刘韬;刘畅;毛剑琳 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/12;G06T7/136 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的全卷积网络图像裂纹检测方法，属于故障诊断技术与信号处理分析技术领域。本发明首先搜集裂纹图像，将图像分为训练数据集和测试数据集，并对训练数据集中的图像进行裂纹区域标注；其次构建用于裂纹图像检测的全卷积神经网络模型；然后利用训练数据集中的图像对用于裂纹图像检测的全卷积神经网络模型进行训练；利用训练好的用于裂纹图像检测的全卷积神经网络模型，对测试数据集中的裂纹图像进行裂纹检测。本发明使得网络模型能够有效增加裂纹信息的选择；使得网络模型可以获得更精细的局部细节；使得整个网络可以实现有效的递进式特征传递，提高了网络模型的裂纹检测精度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 卷积 网络 图像 裂纹 检测 方法 | ||
【主权项】：
一种基于深度学习的全卷积网络图像裂纹检测方法，其特征在于：首先搜集裂纹图像，将图像分为训练数据集和测试数据集，并对训练数据集中的图像进行裂纹区域标注；其次构建用于裂纹图像检测的全卷积神经网络模型；然后利用训练数据集中的图像对用于裂纹图像检测的全卷积神经网络模型进行训练；利用训练好的用于裂纹图像检测的全卷积神经网络模型，对测试数据集中的裂纹图像进行裂纹检测。
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昆明理工大学，未经昆明理工大学许可，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/201710992707.9/，转载请声明来源钻瓜专利网。
