[发明专利]基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统在审
申请号: | 201711259925.8 | 申请日: | 2017-12-04 |
公开(公告)号: | CN108038846A | 公开(公告)日: | 2018-05-15 |
发明(设计)人: | 张峰;李振宇;李路;郭锐;杨波;许玮;慕世友;李超英;傅孟潮;李建祥;赵金龙;王万国 | 申请(专利权)人: | 国网山东省电力公司电力科学研究院;山东鲁能智能技术有限公司;国家电网公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/00;G06K9/62 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 董雪 |
地址: | 250003 *** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统,包括:对原始训练集图像进行模块化预处理,将模块化预处理后的图像送入多层卷积神经网络模型进行训练;对于模块化预处理后的图像,分别选择不同的训练集大小和训练参数,重复步骤2进行多次实验,并将分类准确率和效率进行对比分析,选出最优的训练参数并保存;通过基于环境结构和先验知识所构成的判别器进行过滤,更正误检与漏检信息,得到最终的图像缺陷检测结果。本发明有益效果:通过构建具有多层隐藏层的机器学习模型,从大量的数据中学习有价值的表现型特征,从而提升分类或者预测的准确性。 | ||
搜索关键词: | 基于 多层 卷积 神经网络 输电 线路 设备 图像 缺陷 检测 方法 系统 | ||
【主权项】:
1.一种基于多层卷积神经网络的输电线路设备图像缺陷检测方法,其特征在于,包括:步骤1:对原始训练集图像进行模块化预处理,包括:形态学模块化处理、几何视角模块化处理和光照补偿模块化处理;步骤2:将模块化预处理后的图像送入多层卷积神经网络模型进行训练,经过信息融合和分类,得到输入图像的识别结果;步骤3:对于模块化预处理后的图像,分别选择不同的训练集大小和训练参数,重复步骤2进行多次实验,并将分类准确率和效率进行对比分析,选出最优的训练参数并保存;步骤4:对步骤2所得到的输入图像的识别结果,通过基于环境结构和先验知识所构成的判别器进行过滤,更正误检与漏检信息,得到最终的图像缺陷检测结果。
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国网山东省电力公司电力科学研究院;山东鲁能智能技术有限公司;国家电网公司,未经国网山东省电力公司电力科学研究院;山东鲁能智能技术有限公司;国家电网公司许可,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/patent/201711259925.8/,转载请声明来源钻瓜专利网。
- 上一篇:一种蔬菜营养烤肠
- 下一篇:一种餐厨、厨余垃圾处理方法