一种基于VGG16深度卷积神经网络的太阳能网版缺陷检测方法

发明专利有效专利

申请号：
CN202110617025.6
IPC分类号：G06T7/00;G06T3/40;G06T5/00;G06T7/11;G06K9/62
申请日期：
2021-06-03
申请人：
长沙理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于VGG16深度卷积神经网络的太阳能网版缺陷检测方法
申请号	CN202110617025.6	申请日期	2021-06-03
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-07	公开/公告号	CN113362298A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;T;3;/;4;0;;;G;0;6;T;5;/;0;0;;;G;0;6;T;7;/;1;1;;;G;0;6;K;9;/;6;2查看分类表>
申请人	长沙理工大学	申请人地址	湖南省长沙市天心区长沙理工大学云塘校区汽车与机械工程学院变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	长沙理工大学	当前权利人	长沙理工大学
发明人	雷宇;唐昆;彭琳和;雷群红;张明军;毛聪;胡永乐
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于VGG16深度卷积神经网络的太阳能网版缺陷检测方法，通过原始图像采集、图像块切割、中值滤波处理与训练图像数据集生成、VGG16神经网络修剪与微调、缺陷的识别与定位等步骤，实现对太阳能网版缺陷的检测。本发明将VGG16深度卷积神经网络与机器视觉缺陷检测相结合，提高了太阳能网版缺陷检测的准确率与工作效率，降低了缺陷漏检率，从而保证了太阳能网版与电池的生产质量，降低了生产成本。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供