[发明专利]一种基于卷积神经网络的松茸快速无损检测系统及方法有效
| 申请号： | 201810539012.X | 申请日： | 2018-05-30 |
| 公开（公告）号： | CN108875913B | 公开（公告）日： | 2021-09-17 |
| 发明（设计）人： | 潘天红;李鱼强;李浩然;陈山;邹小波 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G01N21/359 |
| 代理公司： | 北京盛询知识产权代理有限公司 11901 | 代理人： | 陈巍 |
| 地址： | 212013 江*** | 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： | 本发明公开了一种基于卷积神经网络的松茸快速无损检测系统及方法，包括深度学习卷积神经网络模型、控制端和消费者终端；深度学习卷积神经网络模型包括样本收集、数据采集、深度学习卷积神经网络建模及优化；样本收集完成对检测对象的样本筛选建立样本集，并将样本集分为训练集、验证集和测试集；数据采集包括样本化学含量测量和光谱数据采集；深度学习卷积神经网络建模及优化利用深度学习中的卷积神经网络模型和池化处理对经过预处理的光谱数据和相应的化学含量进行建模；深度学习卷积神经网络模型对松茸的检测结果存储在所述控制端；消费者终端通过访问控制端能够得到松茸的检测数据。本发明能够有效降低检测成本，并有利于监管部门监管市场。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 快速 无损 检测 系统 方法 | ||
【主权项】：
1.一种基于卷积神经网络的松茸快速无损检测系统，其特征在于，包括深度学习卷积神经网络模型部分、控制端部分和消费者终端部分；所述深度学习卷积神经网络模型包括样本收集、数据采集、深度学习卷积神经网络建模及优化三部分；所述样本收集部分完成对检测对象的样本筛选建立样本集，并将样本集分为训练集、验证集和测试集；所述数据采集部分包括样本化学含量测量和光谱数据采集；所述深度学习卷积神经网络建模及优化部分利用深度学习中的卷积神经网络模型和池化处理对经过预处理的光谱数据和相应的化学含量进行建模；所述深度学习卷积神经网络模型对松茸的检测结果存储在所述控制端；所述消费者终端通过访问所述控制端能够得到松茸的检测数据。
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江苏大学，未经江苏大学许可，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/201810539012.X/，转载请声明来源钻瓜专利网。
