基于卷积神经网络的图像缺陷检测方法及装置
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
基于卷积神经网络的图像缺陷检测方法及装置
申请号:
CN202411053563
申请日期:
2024-08-01
公开号:
CN119090807A
公开日期:
2024-12-06
类型:
发明专利
摘要
本发明公开了一种基于卷积神经网络的图像缺陷检测方法及装置。所述基于卷积神经网络的图像缺陷检测方法,包括:获取预设的图像训练样本集,并分析所述图像训练样本集中的任一图像的图像类型;使用分析后的图像训练样本集,训练预设的卷积神经网络,得到图像缺陷检测模型;通过所述图像缺陷检测模型,对待检测的图像进行图像缺陷检测。本申请的技术方案通过预设的图像训练样本集,应用卷积神经网络来构建图像缺陷检测模型,不仅简化了图像缺陷检测的流程,还可提高图像缺陷检测的准确率和智能化程度。
技术关键词
图像训练样本
图像缺陷检测模型
图像缺陷检测方法
坐标误差
训练样本集
存储程序指令
通信接口
超参数
梯度下降法
检测缺陷
电子设备
存储器
计算机
分析模块
可读存储介质
系统为您推荐了相关专利信息
1
基于混沌粒子群优化神经网络的RH蒸汽消耗量预测方法及装置
蒸汽消耗量
混沌粒子群优化
训练样本集
混沌粒子群算法
BP神经网络
2
联合UKF与堆栈式ELM的时变信道估计方法、设备及介质
协方差矩阵
基扩展模型
OFDM符号
周期
非线性状态空间
3
一种基于V2G技术和机器学习的电能调峰方法
时间序列预测模型
神经网络参数
调峰方法
历史运行数据
新能源电动车辆
4
一种水文参数移植方法、小流域洪水预报方法、设备、介质及产品
水文参数
支持向量机回归模型
流域洪水预报方法
模拟模型
分布式水文模型
5
一种GH4742合金本构模型建立方法
Arrhenius模型
模型建立方法
训练样本集
机器学习模型
速率