摘要
本发明提供了一种基于钢材表面缺陷分类的可视化识别方法、装置、设备及存储介质,涉及工业场景下的缺陷识别领域。该方法包括如下步骤:提取钢材表面特征信息,筛选出若干重要特征数据,对其按照预定策略排序,并划分出训练集和测试集;构建二维特征学习网络,将训练集输入其中映射到二维特征平面,获取每一种钢材表面缺陷类别对应的区域;经多轮训练固定网络模型参数;将测试集输入到固定网络模型参数的二维特征学习网络中,获取映射后的二维特征平面,根据映射后的二维特征坐标,基于并交差的椭圆面覆盖策略对其进行情况归属界定,判定所属钢材表面缺陷类别。本方法能够直观观测不同类别下训练集样本间的差异性,界定每一个类别样本所属区域。
技术关键词
可视化识别方法
特征学习网络
分类识别模型
钢材
训练集数据
缺陷类别
坐标
样本
DBSCAN聚类算法
计算机程序指令
分类识别装置
工业相机
策略
电子设备
指标
数据处理模块
半轴
系统为您推荐了相关专利信息
车载电脑
预测模型方法
车载终端
联邦学习模型
服务器
图像识别分类方法
学生
教师
图像局部特征提取
注意力
阅卷系统
试卷管理
双向注意力机制
功能模块
阅卷功能
风险监测系统
特征工程
数据存储
预警模块
机器学习模型