[发明专利]一种基于卷积神经网络的热轧带钢表面缺陷分类方法在审
| 申请号： | 201910676299.5 | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110363253A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 汪文艳;王兵;周郁明;王彦;程木田 | 申请（专利权）人： | 安徽工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T7/00;G06N3/04 |
| 代理公司： | 安徽知问律师事务所 34134 | 代理人： | 王亚军 |
| 地址： | 243002 *** | 国省代码： | 安徽;34 |
| 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热轧带钢表面缺陷分类方法，属于计算机深度学习领域。本发明首先从NEU数据库中获取热轧带钢表面缺陷典型图像样本，并对样本进行预处理；然后搭建卷积神经网络VGG16模型，基于VGG16模型并结合SGD或Adam优化算法，搭建若干种用于热轧带钢表面缺陷的分类模型；然后基于搭建的若干种分类模型，对步获取的热轧带钢表面缺陷典型图像样本进行识别分类；然后对若干种分类模型所得的结果进行评价，得出最优的分类模型；最后基于最优分类模型，进行热轧带刚表面缺陷分类。本发明的方法识别热轧带钢表面缺陷的准确率高，分类速度快，能够有效地应用于现场实时检测热轧带钢的表面缺陷。 | ||
| 搜索关键词： | 表面缺陷 热轧带钢 分类模型 卷积神经网络 分类 样本 典型图像 最优分类模型 预处理 方法识别 实时检测 优化算法 热轧带 有效地 准确率 数据库 计算机 应用 学习 | ||
【主权项】：
1.一种基于卷积神经网络的热轧带钢表面缺陷分类方法，其特征在于，其步骤为：S1：从NEU数据库中获取热轧带钢表面缺陷典型图像样本，并对样本进行预处理；S2：搭建卷积神经网络VGG16模型，基于VGG16模型并结合SGD或Adam优化算法，搭建若干种用于热轧带钢表面缺陷的分类模型；S3：基于步骤S1搭建的若干种分类模型，对步骤S1获取的热轧带钢表面缺陷典型图像样本进行识别分类；S4：对步骤S3中的若干种分类模型所得的结果进行评价，得出最优的分类模型；S5：基于最优的分类模型，进行热轧带刚表面缺陷分类。
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安徽工业大学，未经安徽工业大学许可，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/201910676299.5/，转载请声明来源钻瓜专利网。
