[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)及表面裂紋檢測方法

在審

• 申請?zhí)枺?/td>: 202010109587.5
• 申請日: 2020-02-22
• 公開（公告）號: CN111340769A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計）人: 文二龍;張耀營;范云峰
• 申請（專利權(quán)）人: 蘇州杰銳思智能科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州睿昊知識產(chǎn)權(quán)代理事務所(普通合伙) 32277
• 代理人: 陳蜜

1.一種卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，包括依次連接的輸入層、提取層、全連接層和分類器，所述提取層包括多個依次連接的主體層，每個所述主體層均包括卷積層和池化層，所述卷積層和池化層之間連接有感知機，所述卷積層用于利用線性濾波器進行線性卷積來提取圖像特征，所述感知機用于利用非線性激活函數(shù)對圖像特征進行處理。

2.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，每個所述主體層中的所述卷積層和所述池化層之間均設(shè)置有多層所述感知機。

3.如權(quán)利要求2所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，所述感知機利用非線性的激活函數(shù)對圖像特征進行處理的計算公式為：

其中，表示第n層感知機中第k_n個輸出圖塊，表示第n-1層感知機中第k_n個輸出圖塊，表示第k_n個輸出圖塊的權(quán)重，表示第k_n個輸出圖塊的偏置項，n表示每個主體層中感知機的層數(shù)；表示常量，

4.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，所述分類器采用Softmax函數(shù)對全連接層輸出的圖像數(shù)據(jù)進行分類。

5.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，所述主體層的層數(shù)至少為4層。

6.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，包括至少兩個所述全連接層。

7.如權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于，所述池化層采用平均池化或最大池化。

8.根據(jù)權(quán)利要求1-7任一項所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行表面裂紋檢測的方法，其特征在于，包括以下步驟：

1)通過輸入層輸入產(chǎn)品表面檢測區(qū)域的原始圖像；

2)通過提取層中的多個主體層對所述原始圖像進行特征提取后最終得到特征圖像，后一個主體層以前一個主體層的輸出圖像作為輸入圖像；

每個所述主體層中的卷積層利用線性濾波器對輸入圖像進行線性卷積來提取圖像特征，感知機利用非線性的激活函數(shù)對卷積層提取的圖像特征進行處理后輸出圖像至池化層進行池化處理；

3)通過全連接層對提取層最終輸出的所述特征圖像進行處理后輸出至分類器；

4)所述分類器根據(jù)全連接層的輸出圖像，確定所述檢測區(qū)域內(nèi)是否有裂紋。

9.根據(jù)權(quán)利要求8所述的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行表面裂紋檢測的方法，其特征在于，每個所述主體層中的所述卷積層和所述池化層之間均設(shè)置有多層所述感知機。