-
公开(公告)号:CN115049881B
公开(公告)日:2024-10-29
申请号:CN202210793879.4
申请日:2022-07-07
申请人: 西北大学
IPC分类号: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/54 , G06V10/56 , G06V10/77 , G06V10/774 , G06V10/82
摘要: 本发明公开了一种基于卷积神经网络的陶瓷碎片分类方法,首先建立了陶瓷样本数据库,然后构建了深度残差收缩网络,针对网络初始参数需要手工调优的问题,本发明提出基于直觉模糊熵的粒子群算法去优化深度残差收缩网络的初始超参数,构建IFEPSO‑DRSN分类模型,利用IFEPSO‑DRSN分类模型进行陶瓷碎片分类;本发明提供的陶瓷碎片分类方法能够有效的提取到陶瓷碎片的复杂视觉外观特征,从而进行准确的分类,同时能自动调节网络的初始超参数,解决网络中参数大小难以调节的问题,有效提高网络的收敛速度、节省优化时间。
-
公开(公告)号:CN115049881A
公开(公告)日:2022-09-13
申请号:CN202210793879.4
申请日:2022-07-07
申请人: 西北大学
IPC分类号: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/54 , G06V10/56 , G06V10/77 , G06V10/774 , G06V10/82
摘要: 本发明公开了一种基于卷积神经网络的陶瓷碎片分类方法,首先建立了陶瓷样本数据库,然后构建了深度残差收缩网络,针对网络初始参数需要手工调优的问题,本发明提出基于直觉模糊熵的粒子群算法去优化深度残差收缩网络的初始超参数,构建IFEPSO‑DRSN分类模型,利用IFEPSO‑DRSN分类模型进行陶瓷碎片分类;本发明提供的陶瓷碎片分类方法能够有效的提取到陶瓷碎片的复杂视觉外观特征,从而进行准确的分类,同时能自动调节网络的初始超参数,解决网络中参数大小难以调节的问题,有效提高网络的收敛速度、节省优化时间。
-