一种基于神经网络的跑冒滴漏检测模型训练方法及其跑冒滴漏检测机器人

本申请涉及一种基于神经网络的跑冒滴漏检测模型训练方法及其跑冒滴漏检测机器人，其通过该方法所训练的深度学习卷积神经网络模型具有轻量化、加快推理、大幅度减少参数量和计算量，提高网络识别准确率的优点，包括以下步骤，S1、获取跑冒滴漏图片样本，划分成训练数据集和测试数据集；S2、构建深度学习卷积神经网络模型；S3、进行网络训练，对深度学习卷积神经网络模型的参数进行不断的迭代优化；S4、输入测试数据集的数据到训练完成的深度学习卷积神经网络模型中进行推理，统计测试数据集中的分割准确率。