[发明专利]一种基于深度学习的印刷质量分类方法在审
| 申请号： | 202010668181.0 | 申请日： | 2020-07-13 |
| 公开（公告）号： | CN111783901A | 公开（公告）日： | 2020-10-16 |
| 发明（设计）人： | 王岩松;和江镇;方志斌;韩飞;黄浩;陆晗 | 申请（专利权）人： | 征图新视（江苏）科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 常州品益专利代理事务所(普通合伙) 32401 | 代理人： | 王涵江 |
| 地址： | 213161 江苏省常州市*** | 国省代码： | 江苏;32 |
| 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 深度 学习 印刷 质量 分类 方法 | ||
1.一种基于深度学习的印刷质量分类方法，其特征在于：所述方法包括有如下步骤：收集需进行印刷质量分类的样本形成样本集，基于深度学习的网络模型根据样本集进行训练及优化得到质量分类模型，利用质量分类模型进行缺陷小图质量分类。
2.根据权利要求1所述的一种基于深度学习的印刷质量分类方法，其特征在于：其中，基于深度学习的网络模型根据样本集进行训练及优化得到质量分类模型的方法包括有：采用在ImageNet数据集上预先训练好的VGGNet-16网络模型，VGGNet-16网络模型根据样本集进行训练及优化得到质量分类模型。
3.根据权利要求2所述的一种基于深度学习的印刷质量分类方法，其特征在于：其中，VGGNet-16网络模型根据样本集进行训练及优化的方法包括有：将预先训练好的VGGNet-16网络模型的前三组卷积层的参数固定，然后用缺陷小图数据集对VGGNet-16网络模型的其余部分进行参数的微调。
4.根据权利要求2所述的一种基于深度学习的印刷质量分类方法，其特征在于：其中，VGGNet-16网络模型根据样本集进行训练及优化的方法包括有：将VGGNet-16网络模型的全连接层里面的Dropout层换成批标准化层。
5.根据权利要求2所述的一种基于深度学习的印刷质量分类方法，其特征在于：其中，VGGNet-16网络模型根据样本集进行训练及优化的方法包括有：采用指数衰减法设置VGGNet-16网络模型的学习率；在VGGNet-16网络模型的损失函数中加入刻画模型复杂度的指标，来防止损失函数因为过拟合而导致太小；在使用小批次梯度下降算法训练VGGNet-16网络模型时加入滑动平均模型提高最终得到的质量分类模型在测试数据上的精度。
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征图新视（江苏）科技股份有限公司，未经征图新视（江苏）科技股份有限公司许可，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/202010668181.0/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种类岩堆体隧道围岩质量评价方法
- 下一篇：一种变压器线圈绕制支架
