[发明专利]基于轻量级深度神经网络的工业产品缺陷图像分类方法有效
| 申请号： | 201910818758.9 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110660046B | 公开（公告）日： | 2022-09-30 |
| 发明（设计）人： | 王安红;刘瑞珍;孙志毅;杨凯;王银;张韵悦 | 申请（专利权）人： | 太原科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/764;G06V10/82 |
| 代理公司： | 太原市科瑞达专利代理有限公司 14101 | 代理人： | 赵禛 |
| 地址： | 030024 山*** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于轻量级深度神经网络的工业产品缺陷图像分类方法，属于材料缺陷检测领域，包含以下步骤：1、工业产品图像数据集的准备；2、搭建轻量级深度神经网络；3、将工业产品缺陷图像数据集输入到搭建好的轻量级深度神经网络中，经过网络训练，提取偏光片图像多尺度特征，将提取到的特征输入Softmax层进行分类，得到分类模型；4、将测试图像输入分类模型中，将图像属于某一类别的概率和图像对应的标签输入到Accuracy层，输出图像的正确分类结果。本发明利用深度学习进行图像分类和模型压缩方法相结合，搭建基于轻量级深度神经网络的工业产品缺陷图像分类网络，在不降低分类准确率的前提下最小化深度模型及加快检测速度，满足工业中缺陷检测的实时性需求。 | ||
| 搜索关键词： | 基于 轻量级 深度 神经网络 工业产品 缺陷 图像 分类 方法 | ||
【主权项】：
1.基于轻量级深度神经网络的工业产品缺陷图像分类方法，其特征在于包括以下步骤：第一步，工业产品图像数据集的准备；第二步，搭建轻量级深度神经网络，轻量级深度神经网络包括1个第一卷积层、5个并行深度可分离卷积模块、1个并行非对称卷积模块、4个最大池化层、1个全局均值池化层和一个Softmax层；第三步，将第一步准备的工业产品缺陷图像数据集输入第二步搭建好的轻量级深度神经网络中，经过轻量级深度神经网络的训练，提取输入图像的多尺度特征，将提取到的特征输入Softmax层进行分类，得到分类模型；第四步，将测试图像输入第三步获得的分类模型中，将图像属于某一类别的概率和图像对应的标签输入Accuracy层，输出图像的正确分类结果。/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太原科技大学，未经太原科技大学许可，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/201910818758.9/，转载请声明来源钻瓜专利网。
