[发明专利]MEMS传感器疵病种类识别方法及系统

说明书

公开了MEMS传感器疵病种类识别方法及系统，所述方法包括：采集MEMS传感器图像；构造改进的对抗生成神经网络结合卷积神经网络的结构；训练所述改进的对抗神经网络结合卷积神经网络结构的参数；将待测MEMS传感器图像输入到训练好的所述网络结构中，判别输入的所述MEMS传感器图像是否有疵病。改进的对抗生成神经网络引入了多组判别器和生成器，一组判别器和生成器用来产生一种疵病的图片，那么当疵病图由生成器生成以后就自带标签了，可以直接投入后面的卷积神经网络进行训练了，刚好弥补了MEMS疵病数据集较小的情况，同时也可以处理多种不同的MEMS疵病类别的分类。

技术领域

本申请属于图像数据处理技术领域，具体涉及基于改进的对抗生成神经网络结合卷积神经网络的MEMS传感器表面疵病检测方法及系统。

背景技术

MEMS传感器即微电机系统，是在微电子技术基础上发展起来的多学科交叉的前沿研究领域。经过四十多年的发展，已成为世界瞩目的重大科技领域之一。它涉及电子、机械、材料、物理学、化学、生物学、医学等多种学科与技术，具有广阔的应用前景。截止到2010年，全世界有大约600余家单位从事MEMS的研制和生产工作，已研制出包括微型压力传感器、加速度传感器、微喷墨打印头在内的几百种产品，其中MEMS传感器占相当大的比例。MEMS传感器是采用微电子和微机械加工技术制造出来的新型传感器。与传统的传感器相比，它具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时，在微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。也正是因为其尺寸太小，用人工去检测其制造上表面的疵病，错误率不能控制，加上它在产品中具有极其重要的地位，如果它出现了问题，会导致整个产品的功能受影响。如果单用卷积网络去识别，由于MEMS传感器的疵病图的数量集是有限的，训练集不够，也会影响整个网络的识别准确率。

发明内容

为了提高MEMS传感器表面疵病检测结果的准确性，本发明提供了基于改进的对抗生成神经网络结合卷积神经网络的MEMS传感器表面检测方法及系统，该方法和系统在有限的MEMS传感器的疵病图数据集下，利用改进的对抗生成神经网络生成更多疵病图数据，然后再投入卷积网络中去进行训练，以此来提高检测结果的准确性。

根据本发明实施例的一方面，提供一种MEMS传感器疵病种类识别方法，包括：

采集MEMS传感器图像；

构造改进的对抗生成神经网络结合卷积神经网络的结构，其中所述改进的对抗生成神经网络包含多组用来生成MEMS传感器不同种类的疵病图片的生成器和判别器；

将多组噪音输入到所述改进的对抗生成神经网络的生成器中让其生成虚假的MEMS传感器疵病图，把虚假的MEMS传感器疵病图和带标签的真实的MEMS传感器疵病图分别输入到对应的判别器中去训练所述改进的对抗神经网络，待判别器不能分辨出虚假的MEMS传感器疵病图和真实的MEMS传感器疵病图时，利用多组生成器生成多种疵病图，其中每组生成器生成一种疵病图，不同种类的疵病图分别保存到不同的文件夹中，并将真实的MEMS传感器疵病图存入存有与其疵病种类相同的疵病图的文件夹中，将所有文件夹里的图片制作成数据集，然后打散投入到所述卷积神经网络中进行训练；

将需要检测的MEMS传感器图像输入到训练好的所述卷积神经网络，其输出为该MEMS传感器图像各种疵病的概率，选取概率最大的一种作为该MEMS传感器的疵病种类。

根据本发明实施例的另一方面，提供一种MEMS传感器疵病种类识别系统，包括：

摄像头，采集MEMS传感器图像；

处理器，其配配置为：

构造改进的对抗生成神经网络结合卷积神经网络的结构，其中所述改进的对抗生成神经网络包含多组用来生成MEMS传感器不同种类的疵病图片的生成器和判别器；