[发明专利]一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法有效
| 申请号： | 202110317123.8 | 申请日： | 2021-03-25 |
| 公开（公告）号： | CN112967271B | 公开（公告）日： | 2022-04-19 |
| 发明（设计）人： | 张辉;车爱博;王可;李晨;刘理;陈煜嵘;王耀南;缪志强 | 申请（专利权）人： | 湖南大学;长沙理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/25;G06V10/26;G06V10/82;G06N3/04 |
| 代理公司： | 长沙市护航专利代理事务所(特殊普通合伙) 43220 | 代理人： | 莫晓齐 |
| 地址： | 410082 湖*** | 国省代码： | 湖南;43 |
| 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改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。 | ||
| 搜索关键词： | 一种 基于 改进 deeplabv3 网络 模型 铸件 表面 缺陷 识别 方法 | ||
【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湖南大学;长沙理工大学，未经湖南大学;长沙理工大学许可，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/202110317123.8/，转载请声明来源钻瓜专利网。
