[发明专利]一种标签质量检测方法及装置

权利要求书

1.一种标签质量检测方法，其特征在于：包括以下步骤：

步骤1、通过图像采集装置获取标签图片，并根据所述标签图片获得样本数据，

所述样本数据包括标签的边长、标签上的图形和图形的位置，

所述深度置信网络包括六层，前五层由五个受限玻尔兹曼机模型堆叠构成，第六层为BP网络，前五层用于训练提取特征，第六层用于微调获得检测模型；

步骤2、对深度置信网络参数初始化赋值；

步骤3、对深度置信网络进行学习训练获得检测模型；

步骤4、将图像采集装置实时获得的测试数据输入检测模型得到检测结果，所述检测结果包括合格和不合格。

2.根据权利要求1所述的方法，其特征在于：所述对深度置信网络参数初始化赋值包括以下步骤：

设置深度置信网络输入层节点个数为样本数据个数；

设置深度置信网络输出层节点个数为检测结果个数，

设置BP网络的输入层节点个数为样本数个数与提取的特征的个数之和；

设置每层受限玻尔兹曼机模型的隐藏层节点个数为100，

设置深度置信网络输入层初始状态为随机最小值；

设置训练精度和训练次数。

3.根据权利要求2所述的方法，其特征在于：对深度置信网络进行学习训练获得检测模型具体包括以下步骤：

步骤301、将深度置信网络输入层作为第一层受限玻尔兹曼机模型的可视层，训练第一层受限玻尔兹曼机模型，获得第一层受限玻尔兹曼机的隐藏层和可视层之间的最优映射；

步骤302、以第一层受限玻尔兹曼机模型的隐藏层作为第二层受限玻尔兹曼机模型的可视层，训练训练第二层受限玻尔兹曼机模型，获得第二层受限玻尔兹曼机的隐藏层和可视层之间的最优映射；

步骤303、以第二层受限玻尔兹曼机模型的隐藏层作为第三层受限玻尔兹曼机模型的可视层，训练训练第三层受限玻尔兹曼机模型，获得第三层受限玻尔兹曼机的隐藏层和可视层之间的最优映射；

步骤304、以第三层受限玻尔兹曼机模型的隐藏层作为第四层受限玻尔兹曼机模型的可视层，训练训练第四层受限玻尔兹曼机模型，获得第四层受限玻尔兹曼机的隐藏层和可视层之间的最优映射；

步骤305、以第四层受限玻尔兹曼机模型的隐藏层作为第五层受限玻尔兹曼机模型的可视层，训练训练第五层受限玻尔兹曼机模型，获得第五层受限玻尔兹曼机的隐藏层和可视层之间的最优映射；

步骤306、以第五层受限玻尔兹曼机模型的隐藏层作为BP网络的输入层，将深度置信网络的输出层作为BP网络的输出层，对BP网络进行训练，得到检测模型。

4.一种使用如权利要求1-3任一项所述方法的装置，其特征在于，所述装置包括图像采集模块、图像处理模块、检测模块和输出模块，

所述图像采集模块包括图像采集装置，用于采集标签图片；

所述图像处理模块包括处理器，用于根据所述标签图片获得测试数据；

所述检测模块用于将所述测试数据输入到基于深度置信网络算法的检测模型获得检测结果，所述检测结果包括合格与不合格。

5.根据权利要求4所述的装置，其特征在于：所述输出模块包括音频模块和/或显示模块。