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：江苏大学
摘要：本发明提供了一种基于VGG‑16模型的喷雾图像分类及质量检测方法，包括以下步骤：S1：图像预处理，将所有原始图像进行灰度增强处理，输入卷积神经网络进行训练；S2：模型搭建，使用卷积神经网络中的VGG‑16模型，加载预训练过的权重，将卷积层的权重参数冻结，去除VGG‑16原有的全连接层，手动添加自定义的全连接层，连接手动添加的全连接层和原有的VGG‑16模型；S3：模型训练，训练集的图像经过数据增强后，输入模型进行训练；S4：加载测试集，S5：喷雾角角度测量，S6：喷雾液滴索特平均直径SMD测量。有益效果：本发明减少了模型训练所需的时间和计算资源，提高了模型的鲁棒性和泛化能力，优化了模型的训练过程，并得到更好的分类结果，实现高效准确的图像分类任务。
主权项：1.一种基于VGG-16模型的喷雾图像分类方法，其特征在于，包括以下步骤：S1：图像预处理，将所有原始图像进行灰度增强处理，然后在保留原始图像特征的前提下将图像裁剪为224×224像素大小，输入卷积神经网络进行训练；S2：模型搭建，使用卷积神经网络中的VGG-16模型，使用迁移学习加载ImageNet数据集上预训练过的权重，并将卷积层的权重参数冻结，去除VGG-16原有的全连接层，再手动添加自定义的全连接层，最后连接手动添加的全连接层和原有的VGG-16模型；S3：模型训练，训练集的图像经过数据增强后，输入模型进行训练，通过不断监控训练集和验证集在训练过程中的准确率和交叉熵损失函数的状态变化，实时对模型的超参数进行修改；过程通过定义散点数值，采用网格搜索的方法，找到最佳的超参数组合并进行输出；S4：加载测试集，当训练集和验证集的准确率之差小于2％且都大于95％时，则证明模型准确，此时保持模型结构参数不变，使用该模型对测试集的图像进行流型分类，分类时，按照在文件夹中的排列顺序逐张输出图像的名称以及对应的具体流型分类，包括泡状流流型、段塞流流型以及搅拌流流型，并同时输出相应的混淆矩阵。
全文数据：
权利要求：
百度查询： 江苏大学 一种基于VGG-16模型的喷雾图像分类及质量检测方法
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