[发明专利]一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备在审
| 申请号： | 201910389760.9 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110263630A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 殷蔚明;邓铮;龚伟 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G01N21/88 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 易滨 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 瑕疵图像 卷积神经网络 识别系统 铝材 瑕疵 计算机 高清摄像头 识别设备 图像数据传输 图像数据转换 操作计算机 铝型材生产 传送带 人力成本 图像数据 系统调用 下发控制 瑕疵检测 铝型材 拍照 输出 保证 学习 生产 | ||
1.一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：包括：
计算机，固定于铝材传送带旁，通过USB数据线与高清摄像头进行连接，用于安装、训练和运行计算机瑕疵图像识别系统；
USB数据线，连接高清摄像头与计算机，用来传输图像数据；
高清摄像头，在实际生产车间被安装于传送带上，工作人员通过操作计算机瑕疵图像识别系统下发控制命令，控制高清摄像头对传送带上的铝材进行拍照，得到图像数据，并将所述图像数据传输回计算机瑕疵图像识别系统；
计算机瑕疵图像识别系统，该系统调用深度学习框架Pytorch将所述图像数据转换为张量数据，并采用基于Inception模型的卷积神经网络对所述张量数据进行计算得到高维向量，该高维向量中的每一维对应的数值分别表示属于每一类别的概率，最终将概率最高的数值对应的类别进行输出；若无瑕疵类别的概率最高时，该设备不输出，若设备输出，则输出的类别即为识别出的瑕疵图像。
2.如权利要求1所述的一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：计算机瑕疵图像识别系统，采用的是基于Inception模型的卷积神经网络算法，通过大量铝材瑕疵图片的训练增加Inception模型的泛化能力，提高Inception模型识别铝材瑕疵的正确率。
3.如权利要求1所述的一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：所述类别包括：裂纹、起皮、划伤、擦花、不导电、角位露底、桔皮、露底、漆泡，起坑和无瑕疵。
4.如权利要求1所述的一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：计算机瑕疵图像识别系统调将张量数据传入训练好的Inception模型进行计算，最后通过卷积神经网络的softmax层计算每一类别的概率并选择概率最高的类别进行输出。
5.如权利要求1所述的一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：所述高清摄像头为720p高清摄像头，拍摄图像分辨率为1024*768。
6.如权利要求1所述的一种基于Inception模型的卷积神经网络的铝材瑕疵识别设备，其特征在于：所述计算机的GPU为Nvidia Geforce 10系列图像处理单元。
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中国地质大学（武汉），未经中国地质大学（武汉）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/pat/books/201910389760.9/1.html，转载请声明来源钻瓜专利网。
