基于深度学习的薄膜瑕疵检测方法
基本信息
| 申请号 | CN202011099999.1 | 申请日 | - |
| 公开（公告）号 | CN112132828A | 公开（公告）日 | 2020-12-25 |
| 申请公布号 | CN112132828A | 申请公布日 | 2020-12-25 |
| 分类号 | G06T7/00(2017.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 吴浩楠;王慧燕 | 申请（专利权）人 | 浙江小芃科技有限公司 |
| 代理机构 | 杭州奥创知识产权代理有限公司 | 代理人 | 王佳健 |
| 地址 | 310018浙江省杭州市下沙高教园区学正街18号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于深度学习的薄膜瑕疵检测方法。该发明包括以下步骤：首先根据yolov5的卷积神经网络结构，在coco数据库上进行训练得到一个预训练网络；然后通过对所述的预训练网络进行微调，在薄膜数据库上学习一个新的网络模型，即目标网络；最后将目标网络模型加载到系统中，将相机采集的实时薄膜数据载入系统中进行检测。本发明主要针对薄膜瑕疵小，难以识别检测出，浅层特征重复利用，对浅层参数与特征金字塔简单相加操作。由于参数量没有增加，只是增加了特征相加操作，在与原模型的检测速度相当情况下，使得对薄膜上的小瑕疵检测精准度更高。 |
