龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：科大智能物联技术股份有限公司
摘要：本发明的一种基于GLCM与CNN‑Transformer融合的产品外观缺陷分类方法、存储介质，其中方法采用有效像素概率分布面积等分方法，对预处理后的产品样本图像进行灰度级降维，通过多通道分区域计算与合并方法，得到灰度共生矩阵GLCM与统计量矩阵，并引入3个1×1卷积核作为转换模块，对灰度共生矩阵GLCM进行降维处理，利用多层残差CNN进行特征提取，并与SwinTransformerBlock结构体融合，同时，将统计量矩阵与多层残差CNN特征提取的融合结果进行二次特征融合，从而构建了GLCM与CNN‑Transformer融合的产品缺陷分类模型。本发明结合了灰度共生矩阵GLCM在纹理特征提取上的突出表现，以及CNN和Transformer在图像分类上的优势，能够更好地实现对有明显缺陷特征的产品外观的分类。
主权项：1.一种基于GLCM与CNN-Transformer融合的产品外观缺陷分类方法，其特征在于，包括以下步骤，样本预处理步骤，所述样本预处理步骤包括获取产品样本图并提取有效区域与最大轮廓区域掩膜图，并作“与”操作处理，得到只保留掩膜区域的产品样本预处理效果图；计算步骤，所述计算步骤包括采用有效像素概率分布面积等分方法，进行灰度级降维，再通过多通道分区域计算与合并方法，得到灰度共生矩阵GLCM与统计量矩阵；融合步骤，所述融合步骤包括通过引入3个1×1卷积核作为转换模块，对所述灰度共生矩阵GLCM进行降维处理后，利用多层残差CNN进行特征提取，并将特征提取结果与SwinTransformerBlock结构体通过分块合并PatchMerging方式融合，得到所述灰度共生矩阵GLCM的融合结果；同时，采用concat连接方式，将所述统计量矩阵与所述灰度共生矩阵GLCM的融合结果进行二次特征融合，从而构建了灰度共生矩阵GLCM与CNN-Transformer融合的产品缺陷分类模型，进而对产品外观图形进行分类。
全文数据：
权利要求：
百度查询： 科大智能物联技术股份有限公司 基于GLCM与CNN-Transformer融合的产品外观缺陷分类方法、存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号