龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：常州星宇车灯股份有限公司
申请日：2024-03-27
公开（公告）日：2024-06-21
公开（公告）号：CN117952981B
主分类号：G06T7/00
分类号：G06T7/00;G06T7/73;G06N3/0464;G06N3/045;G06V10/44;G06V10/764
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本发明公开了一种基于CNN的智能室内灯检测装置及方法，所述基于CNN卷积神经网络的智能室内灯检测装置包括：机器人，用于对待检测智能室内灯进行多点位置触控；机器视觉设备，用于获取待检测智能室内灯表面的图像；图像处理模块，用于接收机器视觉设备传送的图像数据，对图像进行预处理；通过CNN神经网络模型进行特征提取，以获取图像中的特征信息；根据特征信息获取智能室内灯光强及点亮区域位置信息。本发明提供一种基于CNN卷积神经网络的智能室内灯检测装置及方法，解决现有的智能室内灯的检测方法效率低下且容易因为人为主观因素导致判断标准不统一的因素，达到精确稳定的检测智能室内灯的光强及位置信息。
主权项：1.一种基于CNN卷积神经网络的智能室内灯检测装置，其特征在于，它包括：机器人，用于对待检测智能室内灯进行多点位置触控；机器视觉设备，用于获取待检测智能室内灯表面的图像；图像处理模块，用于接收机器视觉设备传送的图像数据，对图像进行预处理；通过CNN神经网络模型进行特征提取，以获取图像中的特征信息；根据特征信息获取智能室内灯光强及点亮区域位置信息；根据获取的智能室内灯光强及点亮区域位置信息，判断是否符合规范要求，将检测结果传输给显示存储模块；所述根据获取的智能室内灯光强及点亮区域位置信息，判断是否符合规范要求，具体包括如下步骤：获取智能室内灯光强及点亮区域位置信息，通过CNN神经网络模型分析图像数据，输入预处理后的智能室内灯表面图像至CNN神经网络模型的第一层卷积层，进行初始缺陷边缘特征提取；然后进行残差块的堆叠，进行更进一步的缺陷边缘特征提取，将初始缺陷边缘特征进行进一步的细化及筛选；再进行全局平均池化，保留缺陷特征图的整体特征，得到缺陷的识别与定位、分类信息；通过CNN神经网络模型进行处理和预测，最终对智能室内灯表面图像进行缺陷识别和分类；显示存储模块，用于存储并显示检测结果。
全文数据：
权利要求：
百度查询： 常州星宇车灯股份有限公司 一种基于CNN卷积神经网络的智能室内灯检测装置及方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号