摘要
本发明公开了一种羽绒绒子含量智能检测方法,本发明使用了UNet模型和分形维数,通过UNet模型识别的非绒区域,实现二维图像信息的处理,再通过分形维数引入深度特征,描述羽绒簇的几何复杂性,全面表征羽绒的几何特征,即在图像识别的基础上引入了几何复杂度,解决传统的卷积神经网络和深度学习技术只能处理二维图像信息,识别精度和准确度较低的问题;进一步地,将非绒组分像素比和分形维数作为随机森林算法的输入特征,随机森林算法是根据输入特征形成多棵决策树,能够有效应对输入特征之间的非线性关系,并将多棵决策树的预测结果结合起来,以提高结果的准确性。
技术关键词
智能检测方法
次级图像信息
羽绒
二值化图像
二维图像信息
像素
随机森林
高分辨率图片
样本
盒子
深度卷积网络
深度学习技术
扫描仪
算法
数值
复杂度
非线性
恒温
系统为您推荐了相关专利信息
着舰引导方法
固定翼无人机
语义分割网络
跑道
相机
电力系统物联网
智能检测方法
设备寿命预测
量子优化算法
电力设备
零部件表面质量检测
区域形状特征
厚度检测模块
零部件轮廓
特征值
抗污结构
羽绒服
颜色传感器
远程控制模块
热风机
智能检测方法
背景先验
图像
区域检测算法
深层特征提取