[发明专利]一种基于卷积神经网络带标记的钢板表面缺陷检测方法有效
| 申请号： | 201910536618.2 | 申请日： | 2019-06-20 |
| 公开（公告）号： | CN110349126B | 公开（公告）日： | 2022-11-18 |
| 发明（设计）人： | 戴超凡;牛会通;瞿华;王正;史梦成;马榕泽 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13;G06V10/764;G06V10/774;G01N21/88 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430081 湖北*** | 国省代码： | 湖北;42 |
| 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带标记的钢板表面缺陷检测方法，首先采集带有表面缺陷的钢板图像，构建图像库；将图像库中的图像分为训练样本集和测试样本集；然后进行钢板图像预处理，钢板图像边缘检测，钢板图像中钢板缺陷标记，构建卷积神经网络；最后进行钢板表面缺陷检测识别及分类。本发明先对采集的钢板图像进行预处理，边缘检测，再对其训练。在使用小样本的情况下，提升了钢板表面多类型缺陷检测的准确性及精度。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 标记 钢板 表面 缺陷 检测 方法 | ||
【主权项】：
1.一种基于卷积神经网络带标记的钢板表面缺陷检测方法，其特征在于，包括以下步骤：步骤1：采集带有表面缺陷的钢板图像，构建图像库；将图像库中的图像分为训练样本集和测试样本集；步骤2：钢板图像预处理；步骤3：钢板图像边缘检测；步骤4：钢板图像中钢板缺陷标记；步骤5：构建卷积神经网络；步骤6：钢板表面缺陷检测识别及分类。
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武汉科技大学，未经武汉科技大学许可，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/201910536618.2/，转载请声明来源钻瓜专利网。
