[发明专利]基于深度卷积神经网络的胶原蛋白肠衣缺陷检测模型、检测方法及系统在审
| 申请号： | 201910421030.2 | 申请日： | 2019-05-20 |
| 公开（公告）号： | CN110111332A | 公开（公告）日： | 2019-08-09 |
| 发明（设计）人： | 李鑫;薛强;蔡蔚 | 申请（专利权）人： | 陕西何止网络科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/136;G06N3/04 |
| 代理公司： | 北京科家知识产权代理事务所(普通合伙) 11427 | 代理人： | 陈娟 |
| 地址： | 710075 陕西省西安市高新区*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及胶原蛋白肠衣缺陷检测，具体涉及基于深度卷积神经网络的胶原蛋白肠衣缺陷检测模型、检测方法及系统，模型构建：数据标注；卷积神经网络构建：模型1为基于残差网络的基础模型，用来从原始图像数据中提取肠衣图像数据结构特征；模型2与模型3为下采样模型，用来获取肠衣更广阔的特征视野；模型4为肠衣缺陷类别预测模型，用于对提取的特征分类；模型5为肠衣缺陷边界框绘制模型，用来根据对提取到的特征图生成锚框并预测类别和偏移量；模型训练；构建损失函数；模型评估；模型推理：移除相似的预测边界框，经过置信度阈值调整后输出，检测方法及系统依据该模型构建。本发明提高了肠衣缺陷检测效率及准确率。 | ||
| 搜索关键词： | 肠衣 缺陷检测 胶原蛋白肠衣 卷积神经网络 模型构建 构建 检测 图像数据结构 原始图像数据 基础模型 模型评估 模型训练 缺陷边界 缺陷类别 数据标注 损失函数 特征分类 预测模型 阈值调整 边界框 偏移量 特征图 下采样 置信度 预测 准确率 残差 锚框 推理 移除 绘制 输出 视野 网络 | ||
【主权项】：
1.基于深度卷积神经网络的胶原蛋白肠衣缺陷检测模型的构建方法，其特征在于，包括：(1)图像标注：对采集到的图像数据中的缺陷进行标注，用两点坐标分别标出缺陷的坐标最大值与坐标最小值，标注其缺陷种类；(2)卷积神经网络的构建：设计五个卷积神经模型，模型1为基于残差网络的基础模型，用来从原始图像数据中提取肠衣图像数据结构特征；模型2与模型3为下采样模型，用来获取肠衣更广阔的特征视野；模型4为肠衣缺陷类别预测模型，用于对提取的特征分类；模型5为肠衣缺陷边界框绘制模型，用来根据对提取到的特征图生成锚框并预测类别和偏移量；(3)模型训练：将五个卷积神经网络模型拼接合并成为一个最终的肠衣缺陷检测模型，并进行模型训练；(4)构建损失函数；(5)模型评估：采用准确率来评价肠衣缺陷分类结果，对肠衣缺陷边界框的预测采用平均绝对误差评价结果；(6)模型推理：依据模型5得到肠衣缺陷锚框及预测的偏移量得到预测边界框，并通过非极大值抑制方法合并相似的预测边界框，最后再经过置信度阈值的调整最终输出肠衣缺陷检测数据结果。
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陕西何止网络科技有限公司，未经陕西何止网络科技有限公司许可，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/201910421030.2/，转载请声明来源钻瓜专利网。
- 上一篇：基于机器视觉的蜂窝纸芯缺陷检测方法
- 下一篇：立体图像采集系统与方法
