摘要
本发明涉及图像处理技术领域,更具体地,本发明涉及一种用于电容滤波器塑胶壳体生产的过程监控方法,所述方法包括:获取电容滤波器塑胶壳体的图像并进行缺陷标注,以构建训练集训练预构建的神经网络模型,在训练过程中,若当次更新模型参数的样本集中均为完好图像,则利用预设学习率更新模型参数,否则利用样本集中缺陷图像的平均突出程度与样本集中所有图像的平均信息熵之积,对该学习率加权,并基于加权值更新模型参数,以基于训练好的神经网络模型进行缺陷检测。本发明可以利用神经网络模型精准监测电容滤波器塑胶壳体生产过程中的异常。
技术关键词
电容滤波器
更新模型参数
监控方法
神经网络模型
塑胶
样本
局部二值模式
信息熵
构建训练集
图像块
壳体
随机梯度下降
图像处理技术
缺陷类别
像素点
超参数
对比度
标签
系统为您推荐了相关专利信息
环境调控方法
育苗设施
AI算法
机器学习算法
育苗环境
有功功率
调频
风电机组
支撑控制方法
支撑控制系统
海底柔性管道
参数优化设计方法
勘察钻孔
人工神经网络模型
粘结柔性管
高维特征向量
缩放方法
机器学习模型
图像
高维向量空间