基本信息:
- 专利标题： 一种基于卷积神经网络的膨胀土裂隙图像识别方法
- 申请号：CN202210879627.3 申请日：2022-07-25
- 公开(公告)号：CN115239749A 公开(公告)日：2022-10-25
- 发明人： 丛晟亦 , 裴伦祥 , 凌贤长 , 唐亮 , 陈宏伟 , 李新宇 , 程志和 , 毛小刚 , 张熙阳 , 张钟远
- 申请人： 哈尔滨工业大学 , 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司
- 申请人地址： 黑龙江省哈尔滨市南岗区西大直街92号; ;
- 专利权人： 哈尔滨工业大学,哈尔滨工业大学重庆研究院,中铁十七局集团有限公司
- 当前专利权人： 哈尔滨工业大学,哈尔滨工业大学重庆研究院,中铁十七局集团有限公司
- 当前专利权人地址： 黑龙江省哈尔滨市南岗区西大直街92号; ;
- 代理机构： 哈尔滨龙科专利代理有限公司
- 代理人： 王新雨
- 主分类号： G06T7/13
- IPC分类号： G06T7/13 ; G06T7/00 ; G06T5/00 ; G06N3/08 ; G06N3/04 ; G06V10/82
摘要：
本发明公开了一种基于卷积神经网络的膨胀土裂隙图像识别方法，所述方法包括如下步骤：步骤一、采集膨胀土样本，对膨胀土样本进行CT扫描，得到CT图像；步骤二、对步骤一得到的CT图像进行加工处理，得到二值化的图像；步骤三、将二值化图像贴上标签并分组，建立样本集1和样本集2；步骤四、建立卷积神经网络模型并利用样本集1对卷积神经网络模型进行训练；步骤五、利用样本集2对步骤四训练好的卷积神经网络模型进行准确率评估；若两者相差不超过2%则卷积神经网络模型训练成功，否则添加随机失活层重新训练；步骤六、应用训练好的卷积神经网络模型对膨胀土裂隙图片进行识别。本发明能够克服传统图像识别算法抗噪性差、精度低等缺点。