[发明专利]一种基于神经网络物体分析的液体检测方法在审
| 申请号： | 201710885589.1 | 申请日： | 2017-09-26 |
| 公开（公告）号： | CN107741433A | 公开（公告）日： | 2018-02-27 |
| 发明（设计）人： | 牛萍娟;孙玉楷;高志刚 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G01N23/04 | 分类号： | G01N23/04;G01N9/24 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 神经网络 物体 分析 液体 检测 方法 | ||
1.一种基于神经网络物体分析的液体检测方法，其特征在于，包括以下步骤：
S1：利用CCD采集各种类容器X射线成像数据；
S2：采集到的X射线图像经过归一化处理形成统一的大小与分辨率，对图像进行特征提取，并进行数据的压缩形成特征向量，作为输入层数据；
S3：测试各种类容器的X射线强度衰减值，作为输出层数据；
S4：检测器阵列对经过装有液体的容器进行X射线强度检测，获取X射线强度值；
S5：基于神经网络对容器型号进行识别判断，进而获得液体密度与液体种类。
2.一种基于神经网络物体分析的液体检测方法，其特征在于：包括射线源、检测器阵列、载物台、物体采集器，所述射线源的射线束为扇形，所述射线源、检测器阵列可以载物台为中心旋转2个角度，所述物体采集器放置于载物台下方。
3.根据权利要求2所述的一种基于神经网络物体分析的液体检测方法，其特征在于：所述射线源为X射线源。
4.根据权利要求2所述的一种基于神经网络物体分析的液体检测方法，其特征在于：物体采集器采集到的物体图像经过预处理后，由神经网络进行分类识别，获取液体容器的射线强度衰减值。
5.根据权利要求2所述的一种基于神经网络物体分析的液体检测方法，其特征在于：所述检测器阵列检测到的X射线强度值为经过液体与容器杯壁的强度值。
6.根据权利要求2所述的一种基于神经网络物体分析的液体检测方法，其特征在于：所述神经网络为BP神经网络。
7.根据权利要求6所述的BP神经网络，其特征在于：BP神经网络为有监督学习方式，输入数据为容器特征与X射线衰减值。
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天津工业大学，未经天津工业大学许可，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/pat/books/201710885589.1/1.html，转载请声明来源钻瓜专利网。
