[發明專利]一種可編程控制器視覺功能塊FBD的內部變量優化方法有效
| 申請號： | 202010087845.4 | 申請日： | 2020-02-12 |
| 公開（公告）號： | CN111401400B | 公開（公告）日： | 2023-06-20 |
| 發明（設計）人： | 鄔惠峰;趙浩;陳佰平 | 申請（專利權）人： | 杭州電子科技大學 |
| 主分類號： | G06V10/774 | 分類號： | G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 浙江永鼎律師事務所 33233 | 代理人： | 陸永強 |
| 地址： | 310018*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 可編程控制器 視覺 功能塊 fbd 內部 變量 優化 方法 | ||
1.一種可編程控制器視覺功能塊FBD的內部變量優化方法，其特征在于，包括以下步驟：
S10，訓練模型；
S20，使用模型；
其中，訓練模型包括以下步驟：
S11，構建訓練集；
S12，獲取訓練集標簽；
S13，深度卷積神經網絡訓練；
使用模型包括以下步驟：
S21，輸入圖片于模型中；
S22，計算得到變量類型集合；
S23，更新到模塊函數中；
所述構建訓練集包括對圖片進行剪裁以符合神經網絡的輸入標準，并對圖片的像素進行歸一化；
所述獲取訓練集標簽，通過自動方式獲取；
包括以下步驟：
首先，構建一個所有數據類型的集合T，將T中的數據類型從大到小排列，以使后續循環時找出運行空間最小并且正確的變量類型；
然后，編寫自動化的腳本，該腳本首先將訓練集中的所有圖片通過執行當下未優化的函數獲取正確的結果圖片集R；
之后，該腳本通過正則表達式獲取函數的所有變量并形成一個數組V；
再后，循環數組V中的每一個變量，按T中的順序改變其變量類型并執行獲取到結果圖片，若結果圖片和結果圖片集R中的正確結果圖片相同，則認為該變量是合適的，繼續循環，直到結果圖片與R中的結果圖片不相同，則前面一個變量類型為當前變量的空間最優變量類型。
2.如權利要求1所述的可編程控制器視覺功能塊FBD的內部變量優化方法，其特征在于，所述獲取訓練集標簽中的標簽為數組，該數組包括函數所有變量的變量類型。
3.如權利要求1所述的可編程控制器視覺功能塊FBD的內部變量優化方法，其特征在于，所述深度卷積神經網絡包括卷積層、激勵層、池化層和全連接層。
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杭州電子科技大學，未經杭州電子科技大學許可，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/202010087845.4/1.html，轉載請聲明來源鉆瓜專利網。
