基于深度學習的薄膜瑕疵檢測方法
基本信息
| 申請?zhí)?/td> | CN202011099999.1 | 申請日 | - |
| 公開（公告）號 | CN112132828A | 公開（公告）日 | 2020-12-25 |
| 申請公布號 | CN112132828A | 申請公布日 | 2020-12-25 |
| 分類號 | G06T7/00(2017.01)I | 分類 | 計算；推算；計數(shù); |
| 發(fā)明人 | 吳浩楠;王慧燕 | 申請（專利權(quán)）人 | 浙江小芃科技有限公司 |
| 代理機構(gòu) | 杭州奧創(chuàng)知識產(chǎn)權(quán)代理有限公司 | 代理人 | 王佳健 |
| 地址 | 310018浙江省杭州市下沙高教園區(qū)學正街18號 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明涉及一種基于深度學習的薄膜瑕疵檢測方法。該發(fā)明包括以下步驟：首先根據(jù)yolov5的卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)，在coco數(shù)據(jù)庫上進行訓練得到一個預訓練網(wǎng)絡；然后通過對所述的預訓練網(wǎng)絡進行微調(diào)，在薄膜數(shù)據(jù)庫上學習一個新的網(wǎng)絡模型，即目標網(wǎng)絡；最后將目標網(wǎng)絡模型加載到系統(tǒng)中，將相機采集的實時薄膜數(shù)據(jù)載入系統(tǒng)中進行檢測。本發(fā)明主要針對薄膜瑕疵小，難以識別檢測出，淺層特征重復利用，對淺層參數(shù)與特征金字塔簡單相加操作。由于參數(shù)量沒有增加，只是增加了特征相加操作，在與原模型的檢測速度相當情況下，使得對薄膜上的小瑕疵檢測精準度更高。?? |
