[发明专利]基于迁移学习和可变形CNN的陶瓷釉面缺陷检测方法在审
| 申请号： | 201911050944.9 | 申请日： | 2019-10-31 |
| 公开（公告）号： | CN110782449A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 姚潇;何欣楠;刘小峰;徐宁 | 申请（专利权）人： | 河海大学常州校区 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04 |
| 代理公司： | 32200 南京经纬专利商标代理有限公司 | 代理人： | 丁涛 |
| 地址： | 213022 江苏*** | 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： | 本发明公开了基于迁移学习和可变形CNN的陶瓷釉面缺陷检测方法，S1，构建陶瓷釉面图像样本数据集，S2，通过迁移学习与可变卷积的方法，构建改进的CNN，对陶瓷釉面图像样本数据进行特征提取，S3，使用随机森林算法对特征数据进行分类。本发明在陶瓷釉面图像样本数据集的基础上，通过可变卷积算法进一步提取了陶瓷釉面图像的特征，并通过随机森林算法提高了分类识别的准确度。该发明有助于方便工厂检测出生产中不合格的陶瓷釉面，提高企业生产效率，降低企业生产成本。 | ||
| 搜索关键词： | 陶瓷釉面 图像样本数据 算法 企业生产 随机森林 可变 构建 卷积 迁移 分类识别 缺陷检测 特征数据 特征提取 准确度 可变形 图像 学习 分类 检测 改进 | ||
【主权项】：
1.一种基于迁移学习和可变形CNN的陶瓷釉面缺陷检测方法，其特征在于包括以下几个步骤：/nS1，构建陶瓷釉面图像样本数据集；/nS2，通过迁移学习与可变卷积的方法，构建改进的CNN，对陶瓷釉面图像样本数据进行特征提取；/nS3，使用随机森林算法进行分类。/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河海大学常州校区，未经河海大学常州校区许可，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/201911050944.9/，转载请声明来源钻瓜专利网。
- 上一篇：渲染图像的评价方法及装置
- 下一篇：手部腕骨发育等级确定方法及相关设备
