申请/专利权人:浙江泰伦绝缘子有限公司
申请日:2024-04-16
公开(公告)日:2024-06-21
公开(公告)号:CN118052825B
主分类号:G06T7/00
分类号:G06T7/00;G06V10/764;G06V10/82;G06N3/09
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本申请公开了一种玻璃绝缘子表面瑕疵检测方法,涉及图像数据处理领域。该方法包括:获取玻璃绝缘子表面图像,并对该玻璃绝缘子表面图像进行预处理,得到对应的灰度图像;将玻璃绝缘子表面图像所对应的灰度图像作为数据样本,并对每个数据样本进行标注,得到对应的预设标签;将每个数据样本转换为特征向量,并基于该特征向量构建数据样本集,得到待处理的神经网络模型训练集;基于多个基分类器对待处理的神经网络模型训练集的分类表现重构该数据样本集,得到输入训练集;基于该输入训练集对初始神经网络进行训练,得到目标神经网络模型。通过本申请所提供的方法,可以提高神经网络模型的训练效果和玻璃绝缘子表面瑕疵的检测效果。
主权项:1.一种玻璃绝缘子表面瑕疵检测方法,其特征在于,包括:获取玻璃绝缘子表面图像,并对所述玻璃绝缘子表面图像进行预处理,得到每个玻璃绝缘子表面图像所对应的灰度图像;将所述玻璃绝缘子表面图像所对应的灰度图像作为数据样本,并根据采集时的实际状态对每个数据样本进行标注,得到对应的预设标签;将每个数据样本转换为特征向量,并基于所述特征向量构建数据样本集,得到待处理的神经网络模型训练集;基于多个基分类器对所述待处理的神经网络模型训练集的分类表现重构所述数据样本集,得到输入训练集;基于所述输入训练集对初始神经网络进行训练,得到用于玻璃绝缘子表面瑕疵检测的目标神经网络模型;所述基于多个基分类器对所述待处理的神经网络模型训练集的分类表现重构所述数据样本集,得到输入训练集,包括:在所述待处理的神经网络模型训练集中进行随机采样,并将随机采样所得到的第一数据样本构建为一个随机数据样本集;使用基分类器对所述第一数据样本进行分类处理,并根据二分类结果和每一个第一数据样本对应的预设标签确定每一个基分类器的分类错误率;基于所述分类错误率对所述第一数据样本进行权重调整,直至所述基分类器进行再次分类处理后所得到的分类错误率小于第一预设阈值时,得到目标基分类器;将多个所述目标基分类器进行加权组合,得到目标分类器模型;利用所述目标分类器模型对所述待处理的神经网络模型训练集进行分类处理,并根据所述目标分类器模型输出的分类结果将所述待处理的神经网络模型训练集中数据样本分为合格样本和不合格样本;基于所述合格样本和不合格样本,得到所述输入训练集。
全文数据:
权利要求:
百度查询: 浙江泰伦绝缘子有限公司 一种玻璃绝缘子表面瑕疵检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。