基于深度学习和稀疏表示模型的基建表面缺陷检测方法
公开
摘要
本发明公开了基于深度学习和稀疏表示模型的基建表面缺陷检测方法，由以下步骤组成：利用缺陷训练集和正常训练集对卷积神经网络模型进行训练；利用训练后的卷积神经网络模型进行特征提取，并输入到稀疏表示模型中，求解每一张图像关于正常特征字典Dnor和缺陷特征字典的重构误差rnor，将待测图像特征集ftest与正常特征字典Dnor输入到稀疏表示模型中计算得到稀疏系数αnor和重构误差tnor，当tnor＞δnor时，将待测图像特征集ftest与缺陷特征字典Ddef输入到稀疏表示模型中计算得到稀疏系数αdef和重构误差tdef；当tnor＞tdef＞δdef时，得出待测图像为缺陷样本；本发明利用稀疏表示模型在小样本条件下实现物体表面缺陷高精度检测，能够克服现有的物体表面缺陷检测技术对训练样本依赖程度高的问题。
基本信息
专利标题 ：
基于深度学习和稀疏表示模型的基建表面缺陷检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612453A
申请号 ：
CN202210272988.1
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-18
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
梅少辉张易凡徐梓瑞马明阳张顺
申请人 ：
西北工业大学
申请人地址 ：
陕西省西安市友谊西路127号
代理机构 ：
西安维赛恩专利代理事务所(普通合伙)
代理人 ：
张瑞琪
优先权 ：
CN202210272988.1
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06V10/77 G06V10/772 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
2022-06-10 ：
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
