申请/专利权人:杭州电子科技大学
申请日:2020-02-12
公开(公告)日:2023-06-20
公开(公告)号:CN111401400B
主分类号:G06V10/774
分类号:G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2023.06.20#授权;2020.08.04#实质审查的生效;2020.07.10#公开
摘要:本发明公开了可编程控制器视觉功能块FBD的内部变量优化方法,包括以下步骤:S10,训练模型;S20,使用模型;其中,训练模型包括以下步骤:S11,构建训练集;S12,获取训练集标签;S13,深度卷积神经网络训练;使用模型包括以下步骤:S21,输入图片于模型中;S22,计算得到变量类型集合;S23,更新到模块函数中。本发明能有效地降低可编程控制器视觉功能块FBD的运行内存,并在一定程度上加快运行速度。
主权项:1.一种可编程控制器视觉功能块FBD的内部变量优化方法,其特征在于,包括以下步骤:S10,训练模型;S20,使用模型;其中,训练模型包括以下步骤:S11,构建训练集;S12,获取训练集标签;S13,深度卷积神经网络训练;使用模型包括以下步骤:S21,输入图片于模型中;S22,计算得到变量类型集合;S23,更新到模块函数中;所述构建训练集包括对图片进行剪裁以符合神经网络的输入标准,并对图片的像素进行归一化;所述获取训练集标签,通过自动方式获取;包括以下步骤:首先,构建一个所有数据类型的集合T,将T中的数据类型从大到小排列,以使后续循环时找出运行空间最小并且正确的变量类型;然后,编写自动化的脚本,该脚本首先将训练集中的所有图片通过执行当下未优化的函数获取正确的结果图片集R;之后,该脚本通过正则表达式获取函数的所有变量并形成一个数组V;再后,循环数组V中的每一个变量,按T中的顺序改变其变量类型并执行获取到结果图片,若结果图片和结果图片集R中的正确结果图片相同,则认为该变量是合适的,继续循环,直到结果图片与R中的结果图片不相同,则前面一个变量类型为当前变量的空间最优变量类型。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种可编程控制器视觉功能块FBD的内部变量优化方法
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。