[發明專利]基于視覺的無缺陷樣本深度學習網絡訓練方法在審
| 申請號： | 201911085284.8 | 申請日： | 2019-11-08 |
| 公開（公告）號： | CN110852373A | 公開（公告）日： | 2020-02-28 |
| 發明（設計）人： | 許琦;何志權;何志海 | 申請（專利權）人： | 深圳市深視創新科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/08;G06T7/00 |
| 代理公司： | 深圳市中智立信知識產權代理有限公司 44427 | 代理人： | 丁麗琴 |
| 地址： | 518000 廣東省深圳市福田*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 視覺 缺陷 樣本 深度 學習 網絡 訓練 方法 | ||
【權利要求書】：
1.一種基于視覺的無缺陷樣本深度學習網絡訓練方法，其特征在于，包括：
步驟1，將產品的原始數據及以往缺陷庫中的缺陷進行融合，從而得到產品缺陷數據；
步驟2，構建深度學習絡；
步驟3，把訓練數據放入所述網絡中訓練，網絡輸出端則是相應無缺陷的產品，訓練模型，以學習到具有過濾缺陷能力的網絡模型；
步驟4，通過對網絡模型的輸入端和輸出端做一個簡單的差值得到結果圖；
步驟5，對結果圖設置一定的閾值即可得到產品是否有缺陷、以及對應的缺陷位置和大小信息。
2.根據權利要求1所述的方法，其特征在于，所述步驟中，將所述缺陷與原始數據通過高斯模糊方法進行融合。
3.根據權利要求1所述的方法，其特征在于，所述深度學習網絡通過Encoder-Decoder模型構建。
4.根據權利要求3所述的方法，其特征在于，該網絡的Encoder和Decoder模塊之間通過Fpn算法連接以進一步降低網絡的信息損失。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳市深視創新科技有限公司，未經深圳市深視創新科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911085284.8/1.html，轉載請聲明來源鉆瓜專利網。
