基于深度迁移学习的烟支缺陷检测方法

授权

摘要

本发明涉及基于深度迁移学习的烟支缺陷检测方法，属于烟支缺陷检测、图像处理技术领域。本发明通过CCD工业相机获取数据集，通过对图像裁剪、压缩、图像标准化等操作生成新的数据集；将数据集按7:3成训练集和测试集；获取VGG19网络模型，改进网络全连接层，将模型全连接层以前的所有网络作为瓶颈层，冻结瓶颈层的权重值并加入新的全连接层从而开始迁移学习；添加二分类Soft Max层进行检测分类、计算准确率、训练保存网络模型；获取并处理待检测烟支图片，调用已训练的网络模型进行预测分类。本发明所提供的基于深度迁移学习的烟支缺陷检测方法，对烟支缺陷检测具有更高的准确性。

基本信息

专利标题：

基于深度迁移学习的烟支缺陷检测方法

专利标题（英）：

暂无

公开（公告）号：

CN113034483A

申请号：

CN202110373047.2

公开（公告）日：

2021-06-25

申请日：

2021-04-07

授权号：

CN113034483B

授权日：

2022-06-10

发明人：

王端生管一弘杨雄飞崔云月罗亚桃胡鹤鸣

申请人：

昆明理工大学

申请人地址：

云南省昆明市五华区学府路253号

代理机构：

昆明人从众知识产权代理有限公司

代理人：

何娇

优先权：

CN202110373047.2

主分类号：

G06T7/00

IPC分类号：

G06T7/00 G06N3/04 G06N3/08