[发明专利]一种基于深度学习的滤棒装盒质量识别方法有效
| 申请号： | 201811364291.7 | 申请日： | 2018-11-16 |
| 公开（公告）号： | CN109472316B | 公开（公告）日： | 2021-12-28 |
| 发明（设计）人： | 杨赛;吴加莹;董宁;堵俊 | 申请（专利权）人： | 南通大学;南通先进通信技术研究院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 南京品智知识产权代理事务所(普通合伙) 32310 | 代理人： | 奚晓宁;杨陈庆 |
| 地址： | 226019 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像处理以及烟草科技领域，尤其是一种基于深度学习的滤棒装盒质量识别方法。包括1）在训练阶段下，将采集到的滤棒装盒图像样本分为错位、缺支、错位和缺支共存、以及标准装盒四类；2）随机从步骤1）中的每类样本中选取相同固定数量的训练样本作为卷积神经网络模型的输入进行训练，通过反向传播，对网络参数进行优化，最终得到具有权值的微调网络，并取得测试样本；3）进入测试阶段，用测试样本来测试训练阶段所得出的最终模型的泛化能力。本发明的深度学习模型在滤棒装盒质量的分类上结果优于传统的分类方法，同时对合格的标准装盒有着很高的查准率和查全率，更好地实现装盒到检测的自动化操作，提高整个生产线的自动化生产率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 滤棒装盒 质量 识别 方法 | ||
【主权项】：
1.一种基于深度学习的滤棒装盒质量识别方法，其特征在于，包括如下步骤：1)在训练阶段下，将采集到的滤棒装盒图像样本分为错位、缺支、错位和缺支共存、以及标准装盒四类；2)随机从步骤1)中的每类样本中选取相同固定数量的训练样本作为卷积神经网络模型的输入进行训练，通过反向传播，对网络参数进行优化，最终得到具有权值的微调网络，并取得测试样本；3)进入测试阶段，用测试样本来测试训练阶段所得出的最终模型的泛化能力。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南通大学;南通先进通信技术研究院有限公司，未经南通大学;南通先进通信技术研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811364291.7/，转载请声明来源钻瓜专利网。
