摘要
本发明公开了基于视觉技术的钟表零配件瑕疵件分类识别方法及其系统,通过获取钟表零配件图像数据,引入自适应光照校正算法,通过直方图均衡化与增强技术消除反光干扰,建立双路径卷积神经网络分别提取所述处理图像数据中的局部纹理特征和全局几何特征,通过SEBlock注意力机制进行特征的加权融合,得到融合特征数据;基于神经网络建立轻量化分类器,将所述融合特征数据输入至所述轻量化分类器中进行分类,输出初步分类结果;根据所述初步分类结果利用GANs生成对抗网络生成缺陷样本,通过贝叶斯算法计算后验概率,输出目标分类结果。提高了分类识别的准确性和完整性。
技术关键词
分类识别方法
局部纹理特征
贝叶斯算法
融合特征
钟表
分类识别系统
瑕疵
生成对抗网络
直方图均衡化
图像
后验概率
分类器
注意力机制
校正算法
数据
视觉
样本
高斯滤波方法
子模块
光照
系统为您推荐了相关专利信息
智能分级系统
多模态
跨模态融合特征
通道注意力机制
可见光
自动调节系统
分布式存储管理
数据采集模块
传感器
调节控制模块
巡检场景
巡检图像
识别方法
注意力机制
全局平均池化
时空融合方法
XGBoost模型
分辨率
随机森林模型
LSTM模型
网络安全监测方法
数字孪生
监测策略
异常事件
物理设备