[发明专利]基于卷积神经网络的光伏玻璃缺陷分类方法及装置有效
申请号: | 201711481653.6 | 申请日: | 2017-12-29 |
公开(公告)号: | CN108108768B | 公开(公告)日: | 2020-09-25 |
发明(设计)人: | 刘烨斌;闫石;戴琼海 | 申请(专利权)人: | 清华大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 张润 |
地址: | 10008*** | 国省代码: | 北京;11 |
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光伏玻璃缺陷分类方法及装置,其中,方法包括:对多种的缺陷样本进行多角度变光照的图像采集,以得到多个图像;预处理各图像并融合多通道信息,生成多通道融合的缺陷样本图像;采用满足预设条件的卷积神经网络模型,根据缺陷类别设计特征提取网络,以构建特征提取卷积神经网络;获取全连接神经网络的层数及各层神经元个数,构建特征分类网络;在最小化交叉熵损失函数的条件下,完成卷积神经网络的训练;根据输入的样本图像,通过训练后的卷积神经网络,输出缺陷类别的预测结果。该方法可以在保证模型泛化能力和预测精度的同时,有效解决训练集不充足的情况,并且对少量的玻璃缺陷样本能达到较高的分类精度。 | ||
搜索关键词: | 基于 卷积 神经网络 玻璃 缺陷 分类 方法 装置 | ||
【主权项】:
1.一种基于卷积神经网络的光伏玻璃缺陷分类方法,其特征在于,包括以下步骤:对多种的缺陷样本进行多角度变光照的图像采集,以得到多个图像;预处理各图像并融合多通道信息,生成多通道融合的缺陷样本图像;采用满足预设条件的卷积神经网络模型,根据缺陷类别设计特征提取网络,以构建特征提取卷积神经网络;获取全连接神经网络的层数及各层神经元个数,构建特征分类网络;在最小化交叉熵损失函数的条件下,完成所述卷积神经网络的训练;以及根据输入的样本图像,通过训练后的所述卷积神经网络,输出缺陷类别的预测结果。
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清华大学,未经清华大学许可,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/201711481653.6/,转载请声明来源钻瓜专利网。