[发明专利]一种基于多层卷积神经网络的相机外壳喷漆检测系统和方法

权利要求书

1.一种基于多层卷积神经网络的相机外壳喷漆检测系统，其特征是所述的检测系统包括数据收集模块、模型构造模块、模型训练模块、图像判定模块和显示通知模块；

数据收集模块：对采集相机外壳喷漆的图像数据进行采集；

模型构造模块利用卷积神经网络构造图像识别模型：第一层由卷积层、LEAKY_RELU激活函数和池化层组成，第二层由卷积层、LEAKY_RELU激活函数和池化层组成，第三层由same卷积层和LEAKY_RELU激活函数组成，第四层由same卷积层和LEAKY_RELU激活函数组成，第五层由same卷积层和LEAKY_RELU激活函数组成，第六层由神经元构成的全连接层组成，第七层由神经元构成的全连接层组成，第八层由神经元构成的全连接层组成；

模型训练模块：将数据收集模块收集的图像数据传入至模型构造模块构造的图像识别模型内进行识别训练，得到图像识别模型的成熟模型；

图像判定模块：将图像数据传入成熟模型内进行图像判定；

显示通知模块：将判定结果进行显示输出。

2.根据权利要求1所述的基于多层卷积神经网络的相机外壳喷漆检测系统，其特征是还包括预处理模块，所述数据收集模块将采集的图像数据通过预处理模块处理成数据集，传至图像识别模型内。

3.根据权利要求2所述的基于多层卷积神经网络的相机外壳喷漆检测系统，其特征是所述预处理模块对图像数据进行降噪、归一化和灰度化的预处理。

4.根据权利要求1-3任一所述的基于多层卷积神经网络的相机外壳喷漆检测系统，其特征是所述模型训练模块按照留出法进行模型训练。

5.根据权利要求5所述的基于多层卷积神经网络的相机外壳喷漆检测系统，其特征是所述模型训练模块使用留出法将数据集分为训练集和测试集，训练集用于训练，使用梯度下降训练根据在测试集上的效果选择成熟模型。

6.一种基于多层卷积神经网络的相机外壳喷漆检测方法，其特征是步骤如下：

S1采集相机外壳喷漆的图像数据；

S2由卷积神经网络构造图像识别模型：第一层由卷积层、LEAKY_RELU激活函数和池化层组成，第二层由卷积层、LEAKY_RELU激活函数和池化层组成，第三层由same卷积层和LEAKY_RELU激活函数组成，第四层由same卷积层和LEAKY_RELU激活函数组成，第五层由same卷积层和LEAKY_RELU激活函数组成，第六层由神经元构成的全连接层组成，第七层由神经元构成的全连接层组成，第八层由神经元构成的全连接层组成；

S3将S1收集的图像数据输入到S2中的图像识别模型内进行识别训练，得到成熟模型；

S4将S1收集的图像数据输入到S3中的成熟模型内进行运算，得到图像判定结果；

S5将判定结果显示输出。

7.根据权利要求6所述的基于多层卷积神经网络的相机外壳喷漆检测方法，其特征是所述S1收集的图像数据预处理为数据集后传入至图像识别模型内。

8.根据权利要求7所述的基于多层卷积神经网络的相机外壳喷漆检测方法，其特征是所述数据集进行降噪、归一化和灰度化的预处理。

9.根据权利要求6-8任一所述的基于多层卷积神经网络的相机外壳喷漆检测方法，其特征是所述S3图像识别模型通过留出法进行模型训练。

10.根据权利要求9所述的基于多层卷积神经网络的相机外壳喷漆检测方法，其特征是所述S3留出法将数据集分成训练集和测试集，测试集用于训练，使用梯度下降训练根据在测试集上的效果选择成熟模型。