[發(fā)明專(zhuān)利]用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110050033.7
• 申請(qǐng)日: 2021-01-14
• 公開(kāi)（公告）號(hào): CN112862758A
• 公開(kāi)（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 王偉名
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都市維旺銘網(wǎng)絡(luò)科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本申請(qǐng)涉及智慧建筑領(lǐng)域下的智能質(zhì)量檢測(cè)，其具體地公開(kāi)了一種用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其基于三重?fù)p失函數(shù)對(duì)用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。具體地，在訓(xùn)練過(guò)程中，其通過(guò)計(jì)算涂抹油漆后的墻壁頂面的特征圖與未涂抹油漆的墻壁頂面的特征圖之間余弦距離損失函數(shù)值，并基于油漆本身的性質(zhì)計(jì)算其與涂抹油漆后的墻壁頂面的特征圖的交叉熵?fù)p失函數(shù)值，進(jìn)而結(jié)合分類(lèi)損失函數(shù)值構(gòu)建三重?fù)p失函數(shù)值對(duì)用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以使得所述神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到提取出獲得更加符合類(lèi)別劃分的圖像特征，以提高分類(lèi)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及智慧建筑領(lǐng)域下的智能質(zhì)量檢測(cè)，且更為具體地，涉及一種用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、基于深度神經(jīng)網(wǎng)絡(luò)的墻壁頂面的油漆涂抹智能檢測(cè)方法、用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練系統(tǒng)、基于深度神經(jīng)網(wǎng)絡(luò)的墻壁頂面的油漆涂抹智能檢測(cè)系統(tǒng)和電子設(shè)備。

背景技術(shù)

傳統(tǒng)上墻面上漆是通過(guò)人工輥涂進(jìn)行上漆，這種傳統(tǒng)的墻壁上漆方式工作效率低下，且因?yàn)閭€(gè)人操作習(xí)慣不同會(huì)導(dǎo)致上漆品質(zhì)不一，從而影響上漆的效果，且工作強(qiáng)度較大。目前已經(jīng)開(kāi)發(fā)出了用于建筑施工的自動(dòng)墻面上漆裝置，并且經(jīng)過(guò)發(fā)展，除了能夠?qū)Υ怪钡膲γ孢M(jìn)行涂抹外，也可以對(duì)頂部的墻面進(jìn)行涂抹。但是，相比于對(duì)垂直的墻面進(jìn)行涂抹，在對(duì)頂部的墻面進(jìn)行涂抹之后，當(dāng)油漆干透失去粘性之后，可能會(huì)存在干透的油漆掉落的情況，從而影響墻面的使用質(zhì)量。

因此，期望能夠提供一種用于檢測(cè)墻壁頂面的油漆的涂抹質(zhì)量，從而確定是否會(huì)發(fā)生干透的油漆掉落的方案。

目前，深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、文本信號(hào)處理等領(lǐng)域。此外，深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)在圖像分類(lèi)、物體檢測(cè)、語(yǔ)義分割、文本翻譯等領(lǐng)域，也展現(xiàn)出了接近甚至超越人類(lèi)的水平。

深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)的發(fā)展為墻壁頂面的油漆涂抹質(zhì)量檢測(cè)提供了新的解決思路和方案。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，提出了本申請(qǐng)。本申請(qǐng)的實(shí)施例提供了一種用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、基于深度神經(jīng)網(wǎng)絡(luò)的墻壁頂面的油漆涂抹智能檢測(cè)方法、用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練系統(tǒng)、基于深度神經(jīng)網(wǎng)絡(luò)的墻壁頂面的油漆涂抹智能檢測(cè)系統(tǒng)和電子設(shè)備，其基于深度學(xué)習(xí)的特征提取和分類(lèi)的方式，來(lái)對(duì)油漆涂抹質(zhì)量進(jìn)行智能檢測(cè)。具體地，在訓(xùn)練過(guò)程中，其通過(guò)計(jì)算涂抹油漆后的墻壁頂面的特征圖與未涂抹油漆的墻壁頂面的特征圖之間余弦距離損失函數(shù)值，并基于油漆本身的性質(zhì)計(jì)算其與涂抹油漆后的墻壁頂面的特征圖的交叉熵?fù)p失函數(shù)值，進(jìn)而結(jié)合分類(lèi)損失函數(shù)值構(gòu)建三重?fù)p失函數(shù)值對(duì)用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以使得所述神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到提取出獲得更加符合類(lèi)別劃分的圖像特征，以提高分類(lèi)的準(zhǔn)確性。

根據(jù)本申請(qǐng)的一個(gè)方面，提供了一種用于檢測(cè)墻壁頂面的油漆涂抹質(zhì)量的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其包括：

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(guò)深度卷積神經(jīng)網(wǎng)絡(luò)，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(jì)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(shù)值；

步驟4：計(jì)算所述第一特征圖與由油漆的自身性質(zhì)構(gòu)成的特征向量之間的交叉熵?fù)p失函數(shù)值，其中，所述油漆的自身性質(zhì)包括粘稠度、涂抹厚度；

步驟5：將所述第一特征圖通過(guò)分類(lèi)器，以獲得分類(lèi)損失函數(shù)值；

步驟6：計(jì)算所述余弦距離損失函數(shù)值、所述交叉熵?fù)p失函數(shù)值和所述分類(lèi)損失函數(shù)值之間的加權(quán)和，以獲得損失函數(shù)值；