[發明專利]基于流關聯的深度學習模型的多工位檢測設備在審
| 申請號： | 202010432900.9 | 申請日： | 2020-05-21 |
| 公開（公告）號： | CN111340809A | 公開（公告）日： | 2020-06-26 |
| 發明（設計）人： | 都衛東;王巖松;和江鎮;龍仕玉 | 申請（專利權）人： | 征圖新視（江蘇）科技股份有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06N3/08 |
| 代理公司： | 常州品益專利代理事務所(普通合伙) 32401 | 代理人： | 喬楠 |
| 地址： | 213161 江蘇省常州*** | 國省代碼： | 江蘇;32 |
| 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 關聯 深度 學習 模型 多工位 檢測 設備 | ||
【權利要求書】：
1.一種基于流關聯的深度學習模型的多工位檢測設備，具有多個檢測工位，每個檢測工位都對應一個深度學習模型，待檢測物依次通過各個檢測工位并利用深度學習模型進行推理完成各個檢測步驟，每個檢測工位的深度學習模型之間通過流關聯模塊關聯在一起，
檢測工位用于獲得推理樣本，每個檢測工位的推理樣本進入對應的深度學習模型進行推理，流關聯模塊用于對各個檢測步驟的深度學習模型的推理結果進行判斷，并根據判斷結果決定是調用下一步檢測步驟的深度學習模型進行下一步推理，還是停止下一步推理并輸出判斷結果，直至所有深度學習模型都被調用并輸出對最后一步檢測步驟的深度學習模型的推理結果的判斷結果。
2.根據權利要求1所述的基于流關聯的深度學習模型的多工位檢測設備，其特征是：該基于流關聯的深度學習模型的多工位檢測設備用于表面缺陷的檢測，推理樣本為檢測工位通過相機獲得的圖片，每個檢測工位通過對應的深度學習模型進行一至多項表面缺陷的檢測。
3.根據權利要求1或2所述的基于流關聯的深度學習模型的多工位檢測設備，其特征是：所述的判斷結果為合格或不合格。
4.根據權利要求1所述的基于流關聯的深度學習模型的多工位檢測設備，其特征是：所述的每個檢測工位對應的深度學習模型為專門針對該檢測工位的檢測需求進行訓練的小模型。
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征圖新視（江蘇）科技股份有限公司，未經征圖新視（江蘇）科技股份有限公司許可，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/202010432900.9/1.html，轉載請聲明來源鉆瓜專利網。
