[发明专利]一种基于深度学习的手机外壳缺陷检测方法有效
| 申请号： | 201710034677.0 | 申请日： | 2017-01-17 |
| 公开（公告）号： | CN106875381B | 公开（公告）日： | 2020-04-28 |
| 发明（设计）人： | 李树;陈启军;王德明;颜熠 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T3/00;G06K9/46;G06K9/62 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 宣慧兰 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的手机外壳缺陷检测方法，该方法包括如下步骤：(1)获取待检测手机外壳图像并进行预处理；(2)将预处理后的图像输入至预先训练好的缺陷检测模型进行缺陷检测得到手机外壳上存在缺陷的位置，并给出该位置为缺陷的置信度；其中，缺陷检测模型为基于深度学习的深度网络，包括依次级联而成的特征提取网络以及分类器与回归器网络，所述的特征提取网络对预处理的图像进行特征提取得到特征图像，所述的分类器与回归器网络对特征图像进行分类回归得到手机外壳缺陷位置以及置信度。与现有技术相比，本发明检测精度高，检测结果准确可靠。 | ||
| 搜索关键词： | 一种 基于 深度 学习 手机外壳 缺陷 检测 方法 | ||
【主权项】：
一种基于深度学习的手机外壳缺陷检测方法，其特征在于，该方法包括如下步骤：(1)获取待检测手机外壳图像并进行预处理；(2)将预处理后的图像输入至预先训练好的缺陷检测模型进行缺陷检测得到手机外壳上存在缺陷的位置，并给出该位置为缺陷的置信度；其中，缺陷检测模型为基于深度学习的深度网络，包括依次级联而成的特征提取网络以及分类器与回归器网络，所述的特征提取网络对预处理的图像进行特征提取得到特征图像，所述的分类器与回归器网络对特征图像进行分类回归得到手机外壳缺陷位置以及置信度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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同济大学，未经同济大学许可，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/patent/201710034677.0/，转载请声明来源钻瓜专利网。
