- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于神经网络的磁瓦表面缺陷检测方法,本发明提供了一种基于神经网络的磁瓦表面缺陷检测方法。提出了一种端到端的CNN结构,称为融合特征CNN(FFCNN),FFCNN由三个模块组成:特征提取模块、特征融合模块和决策模块。特征提取模块用于从不同的图像中提取特征。特征融合模块是对特征提取模块提取的特征进行融合。决策模块通过融合特征对标签进行预测。在此基础上,引入了一种注意机制,将注意力集中在具有代表性的部分上,抑制不太重要的信息。相比传统的人工检测,该检测系统对磁瓦表面的缺陷检测提高了效
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113177921 A
(43)申请公布日 2021.07.27
(21)申请号 202110480208.8 G01N 21/88 (2006.01)
(22)申请日 2
文档评论(0)