[发明专利]一种基于机器视觉的云化神经网络提取算法

说明书

一种基于机器视觉的云化神经网络提取算法，通过无限扩展的云端计算能力来提供信号传输与控制执行所需的能力，通过5G无线接入构成信号传输与控制执行，来实现信号传输与控制执行本体和云端大脑的连接，云端大脑包括机器视觉系统、对话传输系统、智能控制系统和极限现实系统等技术，通过人工智能算法不断优化，使得前端机器视觉系统达到智能化，机器视觉的每个传感器信息都有单独识别分类算法，每个传感器信息采用的是具有不变性以及抗干扰的算法，可以有效地减少计算量，提高算法的运行速度。这样能对大量的视觉检测传感器和各个工序流程控制做到精确控制，达到检测效率高、检测准确度高和控制精度到位，确保自动化流水线的安全生产。

技术领域

本发明涉及一种机器视觉的提取算法，具体地说涉及一种机器视觉检测装置和机器视觉控制系统通过5G网络通讯和工业云计算作为神经网络特征提取算法的基石，能有效提高检测效率、检测准确度和控制精度的一种基于机器视觉的云化神经网络提取算法。

背景技术

现代化的全自动工业生产流水线都使用机器视觉检测装置和机器视觉控制系统，但因机器视觉检测装置和机器视觉控制系统的本体计算能力有限，对大量的视觉检测传感器和各个工序流程控制不能做到精确控制，造成检测效率低、检测准确度不高和控制精度不到位，严重时会造成自动化流水线出现故障停产。

发明内容

本发明的目的是克服现有技术的不足之处，提供一种机器视觉检测装置和机器视觉控制系统通过5G网络通讯和工业云计算作为神经网络特征提取算法的基石，能有效提高检测效率、检测准确度和控制精度的一种基于机器视觉的云化神经网络提取算法。

本发明解决其技术问题所采用的技术方案是：一种基于机器视觉的云化神经网络提取算法，包括机器视觉检测装置和机器视觉控制系统，机器视觉检测装置和机器视觉控制系统是基于5G网络通讯和工业云计算作为神经网络特征的提取算法，能有效提高检测效率、检测准确度和控制精度，神经网络特征提取算法可实现快速的机器视觉检测信息提取与计算，提高了运算速度，具不变性以及抗干扰能力，神经网络特征提取算法中信息的提取采用改进的SVM模式识别分类算法，改进后的SVM模式识别分类算法的每个传感器信息都有单独识别分类算法，为后续使用生成神经网络特征提取算法具有不变性以及抗干扰能力提供了理论依据，每个传感器信息采用的是具有不变性以及抗干扰的算法，采用了随机选点的机制，可以有效地减少计算量，提高算法的运行速度。

本发明的有益效果是，一种基于机器视觉的云化神经网络提取算法，神经网络特征提取算法是通过可以无限扩展的云端计算能力来提供信号传输与控制执行所需的能力，通过5G无线接入和由安全高速骨干网络构成信号传输与控制执行的“神经网络”，来实现信号传输与控制执行本体和云端大脑的连接，云端大脑包括机器视觉系统、对话传输系统、智能控制系统和极限现实系统等技术，通过人工智能算法不断优化，使得前端机器视觉系统达到智能化，机器视觉的每个传感器信息都有单独识别分类算法，每个传感器信息采用的是具有不变性以及抗干扰的算法，可以有效地减少计算量，提高算法的运行速度。这样能对大量的视觉检测传感器和各个工序流程控制做到精确控制，达到检测效率高、检测准确度高和控制精度到位，确保自动化流水线的安全生产。

具体实施方式

实施本发明的一种基于机器视觉的云化神经网络提取算法，包括机器视觉检测装置和机器视觉控制系统，机器视觉检测装置和机器视觉控制系统是基于5G网络通讯和工业云计算作为神经网络特征的提取算法，能有效提高检测效率、检测准确度和控制精度，神经网络特征提取算法可实现快速的机器视觉检测信息提取与计算，提高了运算速度，具不变性以及抗干扰能力，神经网络特征提取算法中信息的提取采用改进的SVM模式识别分类算法，改进后的SVM模式识别分类算法的每个传感器信息都有单独识别分类算法，为后续使用生成神经网络特征提取算法具有不变性以及抗干扰能力提供了理论依据，每个传感器信息采用的是具有不变性以及抗干扰的算法，采用了随机选点的机制，可以有效地减少计算量，提高算法的运行速度。