[發明專利]用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法

在審

• 申請號: 202110050033.7
• 申請日: 2021-01-14
• 公開（公告）號: CN112862758A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 王偉名
• 申請（專利權）人: 成都市維旺銘網絡科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法，其特征在于，包括：

步驟1：獲取第一圖像和第二圖像，其中，所述第一圖像為被涂抹油漆后的墻壁頂面的圖像，所述第二圖像為未涂抹油漆的墻壁頂面的圖像；

步驟2：將所述第一圖像和所述第二圖像分別通過深度卷積神經網絡，以從所述第一圖像中提取第一特征圖和從所述第二圖像中提取第二特征圖；

步驟3：計算所述第一特征圖與所述第二特征圖之間的余弦距離損失函數值；

步驟4：計算所述第一特征圖與由油漆的自身性質構成的特征向量之間的交叉熵損失函數值，其中，所述油漆的自身性質包括粘稠度、涂抹厚度；

步驟5：將所述第一特征圖通過分類器，以獲得分類損失函數值；

步驟6：計算所述余弦距離損失函數值、所述交叉熵損失函數值和所述分類損失函數值之間的加權和，以獲得損失函數值；

步驟7：以預設步長減小所述損失函數值，并通過梯度下降的反向傳播來更新所述深度卷積神經網絡的參數。

2.根據權利要求1所述的用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法，其中，步驟2：將所述第一圖像和所述第二圖像分別通過深度卷積神經網絡，以從所述第一圖像中提取第一特征圖和從所述第二圖像中提取第二特征圖，包括：

將所述第一圖像和所述第二圖像分別通過深度卷積神經網絡，以從所述深度卷積神經網絡的第N層提取出所述第一特征圖和所述第二特征圖，其中，N為大于等于4且小于等于6的正整數。

3.根據權利要求1所述的用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法，其中，步驟4：計算所述第一特征圖與由油漆的自身性質構成的特征向量之間的交叉熵損失函數值，其中，所述油漆的自身性質包括粘稠度、涂抹厚度，包括：

從用于墻面自動涂漆的裝置所設定的參數中獲取所述涂抹厚度；

將所述涂抹厚度與粘稠性映射到0到1的區間內并按順序排列以獲得所述特征向量；以及

計算所述第一特征圖與所述特征向量之間的交叉熵損失函數。

4.根據權利要求1所述的用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法，其中，步驟5：將所述第一特征圖通過分類器，以獲得分類損失函數值，包括：

將所述第一特征圖通過一個或多個全連接層，以獲得分類特征向量；

將所述分類特征向量輸入Softmax分類函數，以獲得分類結果；以及

將所述分類結果和真實值輸入交叉熵損失函數，以獲得所述分類損失函數值。

5.根據權利要求1所述的用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法，其中，所述深度卷積神經網絡為深度殘差網絡。

6.一種基于深度神經網絡的墻壁頂面的油漆涂抹智能檢測方法，其特征在于，包括：

獲取待檢測的被涂抹油漆后的墻壁頂面的圖像；

將所述圖像輸入根據如權利要求1到5中任意一項所述的用于檢測墻壁頂面的油漆涂抹質量的神經網絡的訓練方法所訓練的深度卷積神經網絡和分類器，所述分類器的輸出為表示對應于墻壁頂面的油漆涂抹質量合格的第一概率和墻壁頂面的油漆涂抹質量不合格的第二概率；以及

基于所述第一概率和所述第二概率，確定所述墻壁頂面的油漆涂抹質量是否合格。