[發明專利]損耗檢測模型訓練方法、損耗檢測方法及裝置在審
| 申請號： | 202011586533.4 | 申請日： | 2020-12-28 |
| 公開（公告）號： | CN112634245A | 公開（公告）日： | 2021-04-09 |
| 發明（設計）人： | 田寨興;許錦屏;余衛宇;廖偉權;劉嘉 | 申請（專利權）人： | 廣州綠怡信息科技有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06N3/08;G06N3/04 |
| 代理公司： | 廣州市律帆知識產權代理事務所(普通合伙) 44614 | 代理人： | 王偉 |
| 地址： | 510000 廣東省廣州市黃埔*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 損耗 檢測 模型 訓練 方法 裝置 | ||
1.一種損耗檢測模型訓練方法，其特征在于，包括步驟：
獲取智能設備外觀圖像；
為所述智能設備外觀圖像標注損耗類別，以建立外觀圖像數據集；
利用所述外觀圖像數據集建立深度神經網絡，以訓練可用于檢測智能設備外觀損耗的損耗檢測模型。
2.根據權利要求1所述的損耗檢測模型訓練方法，其特征在于，所述為所述智能設備外觀圖像標注損耗類別，以建立外觀圖像數據集的過程，包括步驟：
以各損耗類別均分的比例選取待建立數據集的智能設備外觀圖像；
在所述待建立數據集的智能設備外觀圖像確定訓練集與測試集的比例，以確定所述外觀圖像數據集。
3.根據權利要求2所述的損耗檢測模型訓練方法，其特征在于，所述損耗類別包括劃痕、掉漆和外爆。
4.根據權利要求2所述的損耗檢測模型訓練方法，其特征在于，所述訓練集與測試集的比例為9:1。
5.根據權利要求1至4任意一項所述的損耗檢測模型訓練方法，其特征在于，所述深度神經網絡包括YOLO神經網絡。
6.根據權利要求5所述的損耗檢測模型訓練方法，其特征在于，所述利用所述外觀圖像數據集建立深度神經網絡，以訓練可用于檢測智能設備外觀的損耗類別的損耗檢測模型的過程，包括步驟：
根據損耗類別的數量確定深度神經網絡的過濾器個數；
將所述外觀圖像數據集內的圖像大小修改為步長的下采樣次數次方的倍數；
修改沖量大小、池化算法以及重設損失函數和學習率；
增加用于檢測外觀損耗的預測層，以確定最優權重的損耗檢測模型。
7.根據權利要求5所述的損耗檢測模型訓練方法，其特征在于，所述YOLO神經網絡包括YOLOV3神經網絡或YOLOV5神經網絡。
8.一種損耗檢測模型訓練裝置，其特征在于，包括：
圖像獲取模塊，用于獲取智能設備外觀圖像；
數據集建立模塊，用于為所述智能設備外觀圖像標注損耗類別，以建立外觀圖像數據集；
模型訓練模塊，用于利用所述外觀圖像數據集建立深度神經網絡，以訓練可用于檢測智能設備外觀損耗的損耗檢測模型。
9.一種損耗檢測方法，其特征在于，包括步驟：
獲取待測外觀圖像；其中，所述待測外觀圖像為待測智能設備的外觀圖像；
根據損耗檢測模型對所述待測外觀圖像進行損耗類別概率預測；
根據損耗類別概率，確定待測智能設備的外觀損耗程度。
10.一種損耗檢測裝置，其特征在于，包括：
待測圖像獲取模塊，用于獲取待測外觀圖像；其中，所述待測外觀圖像為待測智能設備的外觀圖像；
概率預測模塊，用于根據損耗檢測模型對所述待測外觀圖像進行損耗類別概率預測；
損耗確定模塊，用于根據損耗類別概率，確定待測智能設備的損耗程度。
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廣州綠怡信息科技有限公司，未經廣州綠怡信息科技有限公司許可，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.17sss.com.cn/pat/books/202011586533.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種陽極調節系統
- 下一篇：一種輔助凈水的工業鍋爐水位計
