公开(公告)号：CN116091406A

公开(公告)日：2023-05-09

申请号：CN202211526933.5

申请日：2022-12-01

Applicant: 常州机电职业技术学院

Inventor： 黄慷明 ,  杨保华 ,  乔宏者 ,  孙天佑 ,  斐楚彤 ,  梁家豪

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及缺陷检测技术领域，尤其涉及一种基于深度学习的铸造件缺陷检测分类方法，包括采集铸造图像，并对图像进行预处理；构建改进深度神经网络模型，并将预处理后的图像输入改进深度神经网络模型，并通过带L2正则项的交叉熵计算损失值，通过分类器进行图像分类；将待检测的铸造件图片输入改进深度神经网络模型，输出推理结果。本发明解决现在检测算法模型参数多，对硬件要求高，不利于提升模型推理速度的等问题。