申请/专利权人:秦皇岛发电有限责任公司
申请日:2023-12-13
公开(公告)日:2024-04-26
公开(公告)号:CN117934901A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/08;G06T7/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本公开涉及一种钢结构锈蚀识别方法、装置、介质及设备,属于人工智能技术领域,方法包括:获取待测钢结构图像;将待测钢结构图像输入至锈蚀分类模型,获得用于表征钢结构锈蚀类型的识别结果,其中,锈蚀分类模型通过如下方式训练得到:获取训练样本集,训练样本集中包括添加锈蚀标签的样本钢结构图像,锈蚀标签包括样本钢结构图像上的锈蚀区域以及锈蚀类型;利用训练样本集对初始分类模型进行训练,得到锈蚀分类模型,其中,初始分类模型为基于CBAM注意力机制的卷积神经网络模型。本公开实现了钢结构锈蚀的精准识别,而且利用神经网络识别钢结构的锈蚀类型也提高钢结构锈蚀检测效率。
主权项:1.一种钢结构锈蚀识别方法,其特征在于,包括:获取待测钢结构图像;将所述待测钢结构图像输入至锈蚀分类模型,获得用于表征钢结构锈蚀类型的识别结果,其中,所述锈蚀分类模型通过如下方式训练得到:获取训练样本集,所述训练样本集中包括添加锈蚀标签的样本钢结构图像,所述锈蚀标签包括样本钢结构图像上的锈蚀区域以及锈蚀类型;利用所述训练样本集对初始分类模型进行训练,得到所述锈蚀分类模型,其中,所述初始分类模型为基于CBAM注意力机制的卷积神经网络模型。
全文数据:
权利要求:
百度查询: 秦皇岛发电有限责任公司 钢结构锈蚀识别方法、装置、介质及设备
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。