[发明专利]基于神经网络算法的导电粒子的检测方法及装置

权利要求书

1.一种基于神经网络算法的导电粒子的检测方法，其特征在于，包括如下步骤：

训练步骤，获取训练图像数据集，标注训练图像数据集构建训练样本，将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值，进而获得卷积神经网络训练模型；

检测分类步骤，获取实际图像，输入进所述卷积神经网络训练模型，获得导电粒子的检测结果，并分类。

2.根据权利要求1所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述获取训练图像数据集，具体步骤包括采用200万像素及以上的CCD摄像头，对实际场景中的目标物体进行图像采集，并根据实际信息设置调整摄像头的拍摄参数，得到同一目标物体的多个图像，从而获得符合要求的的图像数据。

3.根据权利要求2所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述实际信息包括场景光线、目标物体自身特征。

4.根据权利要求3所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述设置调整摄像头的拍摄参数，具体为调节位于摄像头周围的五个光源、调节摄像头与目标物之体间的高度差、以及调节摄像头的拍摄角度，所述五个光源为1个环形光和4个条形光，所述高度差范围在10cm-150cm。

5.根据权利要求4所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述摄像头通过GigE通讯方式传送图像数据。

6.根据权利要求1所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述标注训练图像数据集构建训练样本，具体包括

图像标准化预处理步骤，将图像尺寸进行归一化处理；

图像处理步骤，对于采集的图像数据进行降噪处理，滤波处理；

标注步骤，对于处理过后的图像数据进行标注，把导电粒子进行残优品分类，得到训练样本。

7.根据权利要求1所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值，进而获得卷积神经网络训练模型,具体步骤包括两个阶段：

第一阶段，向前传播阶段：

从样本集中取一个样本(X，Y_P)，将X输入网络；

计算相应的实际输出0_P；

在此阶段，信息从输入层经过逐级的变换，传送到输出层，网络执行的计算是：

0_P＝Fn(...(F₂(Fi(X_PW⁽¹⁾)W⁽²⁾)...，)W⁽ⁿ⁾)

在计算过程中，都是用Sigmoid作为激活函数；

第二阶段，向后传播阶段：

计算实际输出0_P与相应的理想输出Y_P的差；

按极小化误差的方法反向传播调整权矩阵。

8.根据权利要求1所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述卷积神经网络的结构为16层，由13个卷积层和3个池化层堆叠而成，所述卷积层均采用相同的卷积核参数，其中卷积层采用的卷积核的宽和高均为3。

9.根据权利要求1所述的基于神经网络算法的导电粒子的检测方法，其特征在于，所述获取实际图像步骤包括实际图像数据预处理步骤，所述预处理步骤包括归一化为同尺寸灰度图。

10.一种基于神经网络算法的导电粒子的检测装置，其特征在于，包括：

训练单元，用于获取训练图像数据集，标注训练图像数据集构建训练样本，将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值，进而获得卷积神经网络训练模型；

检测分类单元，用于获取实际图像，输入进所述卷积神经网络训练模型，获得导电粒子的检测结果，并分类。