[发明专利]一种基于卷积神经网络的多生产点位轮毂图像分类方法在审
| 申请号： | 201810276192.7 | 申请日： | 2018-03-29 |
| 公开（公告）号： | CN108665057A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 聂云聪;夏思宇;夏朝 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06T5/00;G06T5/40;G06T7/194 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江*** | 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： | 本发明公开了一种基于卷积神经网络的多生产点位轮毂图像分类方法，该方法首先建立卷积神经网络模型，设置网络的结构参数和训练参数；对生产线不同生产点位采集得到的轮毂图像进行预处理，然后尺寸归一化后得到训练数据；将同种轮毂不同生产点位的图像作为一类数据进行数据增强，然后输入到卷积神经网络中进行训练，得到网络的权重和偏置；基于卷积神经网络的训练模型，将待分类轮毂图像输入网络，得到分类结果。由于同一种轮毂类型在热处理前点位、气密性检测点位和包装前点位的外形差异较大，传统手工提取特征分类的方法并不适用，通过本发明公开的卷积神经网络的方法可以实现轮毂的快速分类，提高分类准确率。 | ||
| 搜索关键词： | 卷积神经网络 点位 轮毂图像 轮毂 分类 预处理 生产 尺寸归一化 分类准确率 气密性检测 热处理 点位采集 分类结果 结构参数 快速分类 输入网络 数据增强 提取特征 外形差异 训练参数 训练模型 训练数据 权重和 偏置 网络 图像 | ||
【主权项】：
1.一种基于卷积神经网络的多生产点位轮毂图像分类方法，其特征在于：该方法包括以下步骤：(1)搭建卷积神经网络模型；(2)获取轮毂图像作为训练数据进行预处理；(3)对神经网络结构参数进行设定和训练参数初始化；(4)对获取的轮毂图像数据进行图像增强；(5)对获取的轮毂图像进行数据训练，得到网络权重和偏置；(6)将待分类轮毂图像输入卷积神经网络模型，得到轮毂图像的分类结果。
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东南大学，未经东南大学许可，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/201810276192.7/，转载请声明来源钻瓜专利网。
