摘要
本发明涉及冶金领域和图像识别领域,尤其涉及一种基于机器视觉的优化废钢图像的AI生成方法,包括获取废钢卸料场景下带有废钢料的图像帧数据;对带有废钢料的图像帧数据进行预处理,添加噪声干扰项,按比例随机划分成数据集;建立生成对抗模型,并对对抗模型进行训练,获取训练后的生成模型;将实时获取的卸料场景下视频流图像帧数据输入至训练后的生成模型;将训练后的生成模型输出的结果发送给废钢图像优化系统。本发明的优点是:网络模型基于深度学习生成对抗式网络技术,在废钢卸料现场卸车场景中,实现了自动生成不同环境的废钢料图像以及去噪、去模糊的抓拍图像,改进的生成对抗式网络模型针对极端情况样本集短缺的需求。
技术关键词
生成方法
图像优化系统
生成对抗式网络
网络模块
视频流图像帧
生成对抗模型
视觉
训练集
特征金字塔
卷积模块
样本
输入模块
图像采集设备
计算机
数据
去噪模型
可读存储介质
场景
噪声图像
系统为您推荐了相关专利信息
路段
地图数据库
路线生成方法
计算机可执行指令
形态
光伏发电功率
数据生成方法
区域光伏电站
文本编码器
地理位置信息
水工结构
卷积神经网络模块
双向长短期记忆网络
皮尔逊相关系数
超参数
图像生成方法
钛合金
图像数据预处理
编码器
多层感知机
组件生成方法
人工智能体
代码缺陷
检测组件
重排技术