一种基于浅层神经网络的带钢缺陷检测方法
公开
摘要
本发明公开了一种基于浅层神经网络的带钢缺陷检测方法，包括步骤Step1.采集带钢表面缺陷图像，得到样本数据；Step2.将带钢表面缺陷的样本数据分为训练集数据和测试集数据；Step3.对训练集数据进行预处理；Step4.将预处理得到的图像进入卷积层内进行卷积迭代，建立基于浅层神经网络的带钢缺陷检测模型；Step5.在得到基于浅层神经网络的带钢缺陷检测模型后，将测试集数据代入基于浅层神经网络的带钢缺陷检测模型中进行诊断，得到诊断结果；本方法基于浅层卷积神经网络的带钢缺陷检测模型进行，能够逐层提取带钢图片缺陷的特征，利用全连接层完成最终的带钢缺陷分类任务，具有运算速度快，训练时间短，精度高的特点。
基本信息
专利标题 ：
一种基于浅层神经网络的带钢缺陷检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114445397A
申请号 ：
CN202210140802.7
公开（公告）日 ：
2022-05-06
申请日 ：
2022-02-16
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王萌
申请人 ：
唐山工业职业技术学院
申请人地址 ：
河北省唐山市曹妃甸区渤海大道25号
代理机构 ：
代理人 ：
优先权 ：
CN202210140802.7
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T3/60 G06V10/82 G06V10/774 G06V10/764 G06K9/62 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
2022-05-06 ：
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
