[发明专利]一种基于深度学习技术的线缆接头焊点合格性检测方法在审
| 申请号： | 201910748878.6 | 申请日： | 2019-08-14 |
| 公开（公告）号： | CN110570398A | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 赵宏;杨旭光;雷晓强;王孝通;孔东一;田光毅;党育;常兆斌;张浩;刘向东 | 申请（专利权）人： | 兰州理工大学;山东菏鲁电子科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/10;G06T5/00;G06T3/60;G06T3/00;G06N3/08;G06N3/04;G06K9/62;G01N21/88;G01N21/84;B07C5/34 |
| 代理公司： | 44452 广州蓝晟专利代理事务所(普通合伙) | 代理人： | 栾洋洋;张盛楚 |
| 地址： | 730050 甘肃*** | 国省代码： | 甘肃;62 |
| 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技术的线缆接头焊点合格性检测方法，包括步骤：使用摄像头采集线缆接头焊点图像；在所述线缆接头焊点图像上提取焊点区域；使用labelImg对获得的所述焊点区域的图像进行标注；建立深度神经网络分类模型，使用CNN卷积层提取带标注焊点图像特征，利用Adam优化器最小化分类损失，直至损失函数值达到最小，保存线缆接头焊点合格性检测模型；使用所述线缆接头焊点合格性检测模型对生产线的焊点进行检测。本发明利用softmax实现了焊点缺陷的多分类；利用深度学习方法对焊点缺陷进行分类，相比其它的机器学习方法，其检测准确率更高，速度更快，鲁棒性更好。 | ||
| 搜索关键词： | 线缆接头 焊点 焊点图像 合格性 检测 焊点区域 焊点缺陷 分类 标注 神经网络分类 摄像头采集 机器学习 损失函数 鲁棒性 优化器 最小化 准确率 卷积 图像 学习 保存 | ||
【主权项】：
1.一种基于深度学习技术的线缆接头焊点合格性检测方法，其特征在于，包括步骤/nS1：使用摄像头采集线缆接头焊点图像；/nS2：在所述线缆接头焊点图像上提取焊点区域；/nS3：使用labelImg对获得的所述焊点区域的图像进行标注；/nS4：建立深度神经网络分类模型，使用CNN卷积层提取带标注焊点图像特征，利用Adam优化器最小化分类损失，直至损失函数值达到最小，保存线缆接头焊点合格性检测模型；/nS5：使用所述线缆接头焊点合格性检测模型对生产线的焊点进行检测。/n
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兰州理工大学;山东菏鲁电子科技有限公司，未经兰州理工大学;山东菏鲁电子科技有限公司许可，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/201910748878.6/，转载请声明来源钻瓜专利网。
