一种基于深度学习的焊缝图像缺陷的检测方法
实质审查的生效
摘要
本发明公开了一种基于深度学习的焊缝图像缺陷的检测方法，包括将带有焊缝的焊件通过人工识别分类得到包含不同焊缝类型的焊件；获取分类后焊件的图像数据并经过预处理转换为焊件图像，然后将焊件图像按照焊缝类型分类存储并进行随机打乱形成焊缝数据集；通过使用tenserflow调用ResNet50网络模型，将焊缝数据集分为测试集、训练集、验证集并将训练集数据输入ResNet50网络模型对模型训练；将带有焊缝的焊件的图像输入经过训练的ResNet50网络模型，通过网络模型判断输出焊件的焊缝类型。采用本方法效率得到提高。
基本信息
专利标题 ：
一种基于深度学习的焊缝图像缺陷的检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114549472A
申请号 ：
CN202210168502.X
公开（公告）日 ：
2022-05-27
申请日 ：
2022-02-23
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
冯雪松李剑于永新
申请人 ：
天津大学
申请人地址 ：
天津市津南区海河教育园雅观路135号天津大学北洋园校区
代理机构 ：
天津市北洋有限责任专利代理事务所
代理人 ：
李素兰
优先权 ：
CN202210168502.X
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06V10/70 G06V10/774 G06V10/82 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
2022-06-14 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20220223
申请日 : 20220223
2022-05-27 ：
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
