[发明专利]一种应用于机器人的基于深度学习智能化视觉识别系统在审
| 申请号： | 201911200746.6 | 申请日： | 2019-11-29 |
| 公开（公告）号： | CN111008587A | 公开（公告）日： | 2020-04-14 |
| 发明（设计）人： | 徐波;刘小波;刘嘉;李福德;韩旭;陈欢;林谋;陈娅兰;安平花;陈红强 | 申请（专利权）人： | 江西崇政科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南昌洪达专利事务所 36111 | 代理人： | 黄文亮 |
| 地址： | 330000 江西省南昌市高新技术产*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 应用于 机器人 基于 深度 学习 智能化 视觉 识别 系统 | ||
1.一种应用于机器人的基于深度学习智能化视觉识别系统，其特征在于：包括
缺陷数据集，所述缺陷数据集包括变电站一次设备物体的一种特性、变电站一次设备物体附着造成的一种状态和变电站一次设备大量锈蚀；
目标检测模型框架CSG Net，所述目标检测模型框架CSG Net包括特征提取部分、FPN网络、RPN网络和细粒度网络；所述特征提取部分采用Res-neXt，所述Res-neXt是Res-Net的扩展；Res-neXt同时采用VGG堆叠的思想和Inception的split-transform-merge思想，对resNet的单个模块进行扩展，使用了多个cardinality；所述FPN网络融合了图像的多分辨率特征，结构可以分为三个部分：自下而上的卷积神经网络，自上而下过程和特征与特征之间的侧边连接；所述细粒度网络是在上续目标检测框选出物体之后，针对缺陷部分进行进一步的特征提取，其通过增加一个APN网络来实现；APN网络基于提取到的特征进行训练得到attention区域信息；再将attention区域crop出来并放大，再作为下一级scale网络的输入；最终得到缺陷区域。
2.根据权利要求1所述的一种应用于机器人的基于深度学习智能化视觉识别系统，其特征在于：所述变电站一次设备物体的一种特性包括表计破损、表盘模糊、硅胶变色。
3.根据权利要求1所述的一种应用于机器人的基于深度学习智能化视觉识别系统，其特征在于：所述变电站一次设备物体附着造成的一种状态包括表面油污。
4.根据权利要求1所述的一种应用于机器人的基于深度学习智能化视觉识别系统，其特征在于：所述变电站一次设备大量锈蚀包括配电箱锈蚀，表计锈蚀，钢架结构锈蚀，立柱锈蚀。
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江西崇政科技有限公司，未经江西崇政科技有限公司许可，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/201911200746.6/1.html，转载请声明来源钻瓜专利网。
