[发明专利]一种基于深度学习的线缆顺序检测方法有效
| 申请号： | 201910299722.4 | 申请日： | 2019-04-15 |
| 公开（公告）号： | CN110136098B | 公开（公告）日： | 2023-07-18 |
| 发明（设计）人： | 汪钰人;刘国海;沈继锋 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 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深度学习的线缆顺序检测方法，包括以下步骤：步骤1：首先对线缆图像进行灰度化，为后续顺序检测做基础；步骤2：对图像某一行的相邻像素点灰度值进行差分运算，选取一个阈值和差分结果比较，输出定位结果图。步骤3：针对三色线缆图像的特点，提出了简化的特征提取网络和优化的锚框、ELU激活函数对Faster R‑CNN改进；步骤4：采用改进的Faster R‑CNN目标检测算法进行线缆顺序检测，并统计准确率和检测时间。本发明方法能够更加充分的提取三色线缆的特征，具有操作方便、效率高等优点，节省了很多的人力消耗，所采用的改进算法能同时减少了线缆的检测时间，减少误检，错检并大大提升了线缆检测的准确率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 线缆 顺序 检测 方法 | ||
【主权项】：
1.一种基于深度学习的线缆顺序检测方法，其特征在于，包括以下步骤：步骤1：首先对三色线缆图像进行灰度化，为后续顺序检测做基础；步骤2：对图像某一行的相邻像素点灰度值进行差分运算，选取一个阈值和差分结果比较，输出定位结果图；步骤3：针对三色线缆图像的特点，提出了简化的特征提取网络和优化的锚框、ELU激活函数对Faster R‑CNN改进；步骤4：将改进后的Faster R‑CNN算法进行线缆顺序检测，并统计准确率和检测时间。
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/201910299722.4/，转载请声明来源钻瓜专利网。
