多策略融合深度学习网络模型的缺陷类型识别方法及系统
实质审查的生效
摘要
本发明公开了一种多策略融合深度学习网络模型的缺陷类型识别方法及系统，采用多策略融合预处理，对于输入待分类缺陷图像I(x,y)，采用多策略图像增强方法，得到输出图像；对输出图像进行缺陷特点分析，对图像构建几何特征作为第一先验特征向量，构建5个几何特征作为缺陷的几何先验特征；基于几何先验特征给出区别各类缺陷的先验信息，构建纹理特征作为第二先验特征向量；采用ReliefF算法对特征图上的特征进行特征重要性度量，然后基于特征重要性进行池化；根据第一个先验特征向量和第二先验特征向量，基于ReliefF‑Pooling方法构建融合预处理及模式分类策略的CNN模型，利用CNN模型对缺陷类型进行识别。本发明能够解决当前CNN模型存在的问题，提升多尺度缺陷的分类精度。
基本信息
专利标题 ：
多策略融合深度学习网络模型的缺陷类型识别方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114419007A
申请号 ：
CN202210074734.9
公开（公告）日 ：
2022-04-29
申请日 ：
2022-01-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
姜洪权杨贺王永红刘贞高建民杨得焱史志光闫皓博
申请人 ：
西安交通大学;西安航天发动机有限公司
申请人地址 ：
陕西省西安市咸宁西路28号
代理机构 ：
西安通大专利代理有限责任公司
代理人 ：
高博
优先权 ：
CN202210074734.9
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/40 G06T5/00 G06T5/50 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-05-20 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20220121
申请日 : 20220121
2022-04-29 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
