[发明专利]基于深度学习的裂纹检测方法在审
| 申请号： | 201811155370.7 | 申请日： | 2018-09-30 |
| 公开（公告）号： | CN109376773A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 吴丽君;林旭;陈志聪;纪金树;洪志宸;林培杰;程树英 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 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;丘鸿超 |
| 地址： | 362251 福建省泉州市*** | 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： | 本发明提出一种基于深度学习的裂纹检测方法，包括以下步骤：步骤S1：训练集、验证集与测试集的采集；按比例随机分成训练集、验证集和测试集；步骤S2：目标分类检测；通过采用迁移学习方法训练卷积神经网络模型；步骤S3：利用拼接算法对待检测图片进行拼接；步骤S4：利用模型进行裂纹检测；采用滑动窗口扫描方法，对拼接后的图片进行扫描，并依次送入训练好的卷积神经网络模型进行分类判断。本发明能够对裂纹进行准确的识别，且由于采用了迁移学习的方法，能够大大减少训练复杂神经网络所需的数据集，并提供了较好精度性能。 | ||
| 搜索关键词： | 裂纹检测 拼接 卷积神经网络 测试集 训练集 验证集 扫描 迁移 学习 滑动窗口 目标分类 神经网络 数据集 检测 算法 送入 采集 分类 图片 | ||
【主权项】：
1.一种基于深度学习的裂纹检测方法，其特征在于，包括以下步骤：步骤S1：训练集、验证集与测试集的采集：采集图像数据集，将采集的图像数据集按比例随机分成训练集、验证集和测试集；步骤S2：目标分类检测：对图像数据采用卷积神经网络进行目标分类检测，通过采用迁移学习方法训练卷积神经网络模型；步骤S3：待检测图片拼接：对待检测对象采集具有重叠区域的图片对，利用拼接算法进行拼接，以构建待检测对象完整的结构图；步骤S4：利用模型进行裂纹检测：采用滑动窗口扫描方法，对拼接后的图片进行扫描，并依次送入训练好的卷积神经网络模型进行分类判断，当判断结果为裂纹时，对应区域的像素值保留；反之，则像素值赋0。
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福州大学，未经福州大学许可，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/201811155370.7/，转载请声明来源钻瓜专利网。
