[发明专利]一种工件检测方法、模型训练方法及设备有效
| 申请号： | 201810462298.6 | 申请日： | 2018-05-15 |
| 公开（公告）号： | CN108694716B | 公开（公告）日： | 2022-05-17 |
| 发明（设计）人： | 陈国栋;周玉强;王正;王振华;孙立宁 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/80;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 215104 江苏*** | 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： | 本申请公开了一种工件检测方法、模型训练方法及设备，包括：利用第一组训练数据对第一层卷积神经网络进行训练，其中以原始图像样本作为输入，以能够用于确定工件图像的第一信息作为输出；原始图像样本包括正样本和负样本；利用第二组训练数据，对第二层卷积神经网络进行训练，其中以工件图像作为输入，以能够用于确定工件位置关键点图像的第二信息作为输出；利用第三组训练数据，对第三层卷积神经网络中的N个卷积神经网络进行训练，其中在每次对第三层卷积神经网络中的任一个卷积神经网络进行训练时，以一个工件位置关键点图像作为输入，以该工件位置关键点的坐标作为输出。本申请能够有效提升工件检测的检测效率、检测精度以及适用范围。 | ||
| 搜索关键词： | 一种 工件 检测 方法 模型 训练 设备 | ||
【主权项】：
1.一种工件检测模型训练方法，其特征在于，包括：获取第一组训练数据、第二组训练数据和第三组训练数据；利用所述第一组训练数据，对第一层卷积神经网络进行训练，得到第一训练模型；其中，在对所述第一层卷积神经网络进行训练时，以原始图像样本作为输入，以能够用于确定工件图像的第一信息作为输出；所述原始图像样本包括不含有工件的图像样本以及含有若干个工件的图像样本，并且，不同的工件图像与不同的工件之间呈一一对应关系；利用所述第二组训练数据，对第二层卷积神经网络进行训练，得到第二训练模型；其中，在对所述第二层卷积神经网络进行训练时，以工件图像作为输入，以能够用于确定工件位置关键点图像的第二信息作为输出，并且，每个工件图像均对应于N个工件位置关键点，N为大于1的整数；利用所述第三组训练数据，对第三层卷积神经网络中的N个卷积神经网络进行训练，得到N个第三训练模型；其中，在每次对所述第三层卷积神经网络中的任一个卷积神经网络进行训练时，以一个工件位置关键点图像作为输入，以该工件位置关键点的坐标作为输出。
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苏州大学，未经苏州大学许可，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/201810462298.6/，转载请声明来源钻瓜专利网。
