[发明专利]基于人工神经网络的物件表面型态的检测方法在审
| 申请号： | 201910987349.1 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN112686831A | 公开（公告）日： | 2021-04-20 |
| 发明（设计）人： | 蔡昆佑 | 申请（专利权）人： | 神讯电脑（昆山）有限公司;神基科技股份有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/08;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215300 江苏省苏*** | 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： | |||
| 搜索关键词： | 基于 人工 神经网络 物件 表面 检测 方法 | ||
1.一种基于人工神经网络的物件表面型态的检测方法，其特征在于，包括：
接收若干个物件影像；
划分各该物件影像为若干个影像区域；
指定各该物件影像的该若干个影像区域中的至少一感兴趣区域；以及
以该至少一感兴趣区域进行一深度学习以建立识别一物件的表面型态的一预测模型。
2.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，指定各该物件影像的该若干个影像区域中的该至少一感兴趣区域的步骤包括：调高该至少一感兴趣区域的权重。
3.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，在划分各该物件影像为若干个影像区域的步骤之后，还包含：调降该若干个影像区域中该至少一感兴趣区域以外的至少一影像区域的权重。
4.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，该预测模型识别的该表面型态为槽孔、裂缝、凸块及纹理中的若干个者。
5.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，该深度学习以一卷积神经网络演算法实现。
6.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，各该物件影像是由若干个检测影像拼接而成，且各该感兴趣区域小于该检测影像。
7.如权利要求1所述的基于人工神经网络的物件表面型态的检测方法，其特征在于，以该至少一感兴趣区域进行该深度学习的步骤包括根据若干个表面型态类别分类各该感兴趣区域。
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神讯电脑（昆山）有限公司;神基科技股份有限公司，未经神讯电脑（昆山）有限公司;神基科技股份有限公司许可，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/201910987349.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：饲料生产用原料上料装置
- 下一篇：物件表面可能缺陷的影像检测扫描方法及其系统
