[發明專利]MEMS傳感器疵病種類識別方法及系統有效
| 申請號: | 202110259581.0 | 申請日: | 2021-03-10 |
| 公開(公告)號: | CN113066049B | 公開(公告)日: | 2023-04-07 |
| 發明(設計)人: | 李輝;申勝男;張鯤 | 申請(專利權)人: | 湖南珞佳智能科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/0475;G06N3/084 |
| 代理公司: | 北京匯澤知識產權代理有限公司 11228 | 代理人: | 張小麗 |
| 地址: | 414022 湖南省岳陽市經濟技術開發區*** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | mems 傳感器 種類 識別 方法 系統 | ||
公開了MEMS傳感器疵病種類識別方法及系統,所述方法包括:采集MEMS傳感器圖像;構造改進的對抗生成神經網絡結合卷積神經網絡的結構;訓練所述改進的對抗神經網絡結合卷積神經網絡結構的參數;將待測MEMS傳感器圖像輸入到訓練好的所述網絡結構中,判別輸入的所述MEMS傳感器圖像是否有疵病。改進的對抗生成神經網絡引入了多組判別器和生成器,一組判別器和生成器用來產生一種疵病的圖片,那么當疵病圖由生成器生成以后就自帶標簽了,可以直接投入后面的卷積神經網絡進行訓練了,剛好彌補了MEMS疵病數據集較小的情況,同時也可以處理多種不同的MEMS疵病類別的分類。
技術領域
本申請屬于圖像數據處理技術領域,具體涉及基于改進的對抗生成神經網絡結合卷積神經網絡的MEMS傳感器表面疵病檢測方法及系統。
背景技術
MEMS傳感器即微電機系統,是在微電子技術基礎上發展起來的多學科交叉的前沿研究領域。經過四十多年的發展,已成為世界矚目的重大科技領域之一。它涉及電子、機械、材料、物理學、化學、生物學、醫學等多種學科與技術,具有廣闊的應用前景。截止到2010年,全世界有大約600余家單位從事MEMS的研制和生產工作,已研制出包括微型壓力傳感器、加速度傳感器、微噴墨打印頭在內的幾百種產品,其中MEMS傳感器占相當大的比例。MEMS傳感器是采用微電子和微機械加工技術制造出來的新型傳感器。與傳統的傳感器相比,它具有體積小、重量輕、成本低、功耗低、可靠性高、適于批量化生產、易于集成和實現智能化的特點。同時,在微米量級的特征尺寸使得它可以完成某些傳統機械傳感器所不能實現的功能。也正是因為其尺寸太小,用人工去檢測其制造上表面的疵病,錯誤率不能控制,加上它在產品中具有極其重要的地位,如果它出現了問題,會導致整個產品的功能受影響。如果單用卷積網絡去識別,由于MEMS傳感器的疵病圖的數量集是有限的,訓練集不夠,也會影響整個網絡的識別準確率。
發明內容
為了提高MEMS傳感器表面疵病檢測結果的準確性,本發明提供了基于改進的對抗生成神經網絡結合卷積神經網絡的MEMS傳感器表面檢測方法及系統,該方法和系統在有限的MEMS傳感器的疵病圖數據集下,利用改進的對抗生成神經網絡生成更多疵病圖數據,然后再投入卷積網絡中去進行訓練,以此來提高檢測結果的準確性。
根據本發明實施例的一方面,提供一種MEMS傳感器疵病種類識別方法,包括:
采集MEMS傳感器圖像;
構造改進的對抗生成神經網絡結合卷積神經網絡的結構,其中所述改進的對抗生成神經網絡包含多組用來生成MEMS傳感器不同種類的疵病圖片的生成器和判別器;
將多組噪音輸入到所述改進的對抗生成神經網絡的生成器中讓其生成虛假的MEMS傳感器疵病圖,把虛假的MEMS傳感器疵病圖和帶標簽的真實的MEMS傳感器疵病圖分別輸入到對應的判別器中去訓練所述改進的對抗神經網絡,待判別器不能分辨出虛假的MEMS傳感器疵病圖和真實的MEMS傳感器疵病圖時,利用多組生成器生成多種疵病圖,其中每組生成器生成一種疵病圖,不同種類的疵病圖分別保存到不同的文件夾中,并將真實的MEMS傳感器疵病圖存入存有與其疵病種類相同的疵病圖的文件夾中,將所有文件夾里的圖片制作成數據集,然后打散投入到所述卷積神經網絡中進行訓練;
將需要檢測的MEMS傳感器圖像輸入到訓練好的所述卷積神經網絡,其輸出為該MEMS傳感器圖像各種疵病的概率,選取概率最大的一種作為該MEMS傳感器的疵病種類。
根據本發明實施例的另一方面,提供一種MEMS傳感器疵病種類識別系統,包括:
攝像頭,采集MEMS傳感器圖像;
處理器,其配配置為:
構造改進的對抗生成神經網絡結合卷積神經網絡的結構,其中所述改進的對抗生成神經網絡包含多組用來生成MEMS傳感器不同種類的疵病圖片的生成器和判別器;
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湖南珞佳智能科技有限公司,未經湖南珞佳智能科技有限公司許可,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/202110259581.0/2.html,轉載請聲明來源鉆瓜專利網。





