技术总结
本发明属于匣钵缺陷检测技术领域，涉及一种基于卷积神经网络的匣钵筛分检测方法包括：步骤1：获取匣钵侧面和底面的灰度图像，步骤2：对采集的匣钵图像进行预处理，然后对匣钵图像样本进行扩充，获得若干匣钵图像的训练集和若干匣钵图像的测试集；步骤3：预处理后的训练集和测试集输入到卷积神经网络模型GoogleNet中，调整卷积神经网络模型GoogleNet的参数，得到优化的卷积神经网络模型GoogleNet，构建GoogleNet网络；步骤4：获取待识别的匣钵图像并进行步骤2所述的预处理，并输入步骤3构建的GoogleNet网络中进行，计算图像存在某个缺陷的概率，判断属于某类缺陷，完成匣钵缺陷检测。本发明利用深度学习技术对带有缺陷的匣钵进行筛分，避免使节约开支，提高生产的效率。
技术研发人员：郑秀征;王英利;贾其臣;冯龙申;朱超平
受保护的技术使用者：北京中鼎高科自动化技术有限公司
技术研发日：2020.01.21
技术公布日：2020.03.27