[发明专利]一种基于深度学习的平板玻璃异物影像分析方法在审
| 申请号： | 201810484049.7 | 申请日： | 2018-05-19 |
| 公开（公告）号： | CN108765391A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 陈招娣;洪立昕 | 申请（专利权）人： | 科立视材料科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350016 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的平板玻璃异物影像分析方法，其包括以下步骤：步骤S1：对多个玻璃异物AOI影像图片进行标注；步骤S2：将所述已处理的图片按一定比例划分为训练集图片，剩余部分归于测试集图片；步骤S3：构建AlexNet网络；步骤S4：把所述训练集输入到深度卷积神经网络中，进行迭代训练后得到深度学习模型；步骤S5：把所述的测试集输入到所述深度学习模型中，测试是否满足准确度要求，如果不满足则返回步骤S3。本发明提出的基于深度学习的平板玻璃AOI影像处理模型，可以快速识别平板玻璃中的异物类型，且该方法具有大于95%的准确度。所述方法的提出有助于生产线上监控人员更加及时准确的识别玻璃产品的缺陷状况，来获取充分的时间应对与解决这个问题。 | ||
| 搜索关键词： | 平板玻璃 影像分析 测试集 训练集 异物 学习 卷积神经网络 准确度要求 准确度 玻璃产品 玻璃异物 迭代训练 快速识别 缺陷状况 异物类型 影像处理 影像图片 构建 标注 图片 测试 返回 监控 网络 | ||
【主权项】：
1.一种基于深度学习的平板玻璃异物影像分析方法，其特征在于：包括以下步骤：步骤S1：对多个玻璃异物AOI影像图片进行标注；步骤S2：将所述已处理的图片按一定比例划分为训练集图片，剩余部分归于测试集图片；步骤S3：构建AlexNet网络；步骤S4：把所述训练集输入到深度卷积神经网络中，进行迭代训练后得到深度学习模型；步骤S5：把所述的测试集输入到所述深度学习模型中，测试是否满足准确度要求，如果不满足则返回步骤S3。
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科立视材料科技有限公司，未经科立视材料科技有限公司许可，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/patent/201810484049.7/，转载请声明来源钻瓜专利网。
