[发明专利]一种基于深度学习的道路清洁度量化方法在审
| 申请号： | 201910896277.X | 申请日： | 2019-09-22 |
| 公开（公告）号： | CN110674731A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 王涤成;杨建华;樊容伯;范孝波;陈浩;梁星陶 | 申请（专利权）人： | 江苏悦达专用车有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 224005 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的道路清洁度量化方法，属于人工智能技术领域。该量化方法与基于安装于车辆上的图像采集设备所采集的道路图像通过深度网络模型制定控制策略；量化步骤如下为：图像数据集的进行分类、定标，生成训练网络所需的训练集；通过深度网络模型进行训练和测试；通过深度网络模型的部分层数进行冻结并采用预训练模型参数，判断道路清洁度，以道路垃圾量决定吸尘器的功率。本发明提供的基于深度学习的道路清洁度量化方法，将深度学习运用于道路垃圾清洁度量化检测中，在服务器（可远程）加持的情况下，所使用的深度网络模型具有运算速度快，准确度高的特点，可以满足真实路况下的道路清洁度量化检测任务。 | ||
| 搜索关键词： | 清洁度 网络模型 量化 道路垃圾 量化检测 吸尘器 人工智能技术 图像采集设备 图像数据集 运算速度快 道路图像 控制策略 训练模型 训练网络 准确度 训练集 定标 学习 路况 服务器 采集 冻结 测试 分类 制定 | ||
【主权项】：
1.一种基于深度学习的道路清洁度量化方法，其特征在于：该量化方法与基于安装于车辆上的图像采集设备所采集的道路图像，依据训练完成的深度网络模型输出值制定控制策略；所述量化步骤如下：/n1）将图像采集设备所采集的道路图像形成图像数据集，由深度学习网络对图像数据集的进行分类、定标，生成训练网络所需的训练集；/n2）通过搭建在服务器上的深度网络模型，对步骤1）中训练集进行训练和测试；/n3）通过深度网络模型的部分层数进行冻结并采用在大规模数据集上训练完成的深度网络预训练模型参数，然后对其余层数进行训练；训练完成后得到深度网络模型K；/n4）将得到深度网络模型K用于道路垃圾量化检测判断道路清洁度，将实时采集的道路影像输入深度网络模型K，其输出结果反馈至道路清洁车的吸尘器控制装置，以道路垃圾量决定吸尘器的功率。/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江苏悦达专用车有限公司，未经江苏悦达专用车有限公司许可，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/201910896277.X/，转载请声明来源钻瓜专利网。
