[发明专利]基于贝叶斯压缩感知和深度学习的FPC缺陷检测方法有效
| 申请号： | 202011404322.4 | 申请日： | 2020-12-04 |
| 公开（公告）号： | CN112614089B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 顾相平;杨艳;庄立运;王晓燕 | 申请（专利权）人： | 淮阴工学院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06V10/25;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 223003 江苏省淮安市洪泽区七街三号高新*** | 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： | 本发明公开一种基于贝叶斯压缩感知和深度学习的FPC缺陷检测方法，该方法以Faster RCNN的残差网络ResNet为模型，设计基于主频率波数域的曲波稀疏基，提出Faster RCNN的自适应采样矩阵，对FPC图像进行压缩采样，再使用Conv+Relu+Pooling层提取压缩采样后FPC图像的特征值，然后利用RPN网络生成的推荐和ResNet网络最后一层得到的特征映射，计算出推荐特征映射，最后对特征映射进行全连接操作，并使用Softmax函数进行FPC图像缺陷分类识别。本发明克服了传统图像处理方法只能检测特定情况下的FPC缺陷检测，具有较好的鲁棒性，且识别精度较高、速度快。 | ||
| 搜索关键词： | 基于 贝叶斯 压缩 感知 深度 学习 fpc 缺陷 检测 方法 | ||
【主权项】：
暂无信息
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淮阴工学院，未经淮阴工学院许可，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/202011404322.4/，转载请声明来源钻瓜专利网。
