申请/专利权人：云南省烟草质量监督检测站

申请日：2020-11-30

公开（公告）日：2024-04-26

公开（公告）号：CN112508072B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/20;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明实施例公开了基于残差卷积神经网络的卷烟真假识别方法、装置和设备，该方法包括：获取包括真烟样品图片和假烟样品图片的特征区域放大图片集；对图片集中图片的指定位置进行裁剪得到N个特征图片；对N个特征图片进行预处理得到M个图片；对M个图片进行标准化处理和图像缩放后作为训练集，使用ResNet34残差卷积神经网络进行训练，并采用交叉熵损失函数进行真假二分类，以准确率作为训练模型的测量指标得到卷烟真假识别模型；根据卷烟真假识别模型进行卷烟真假识别。本发明采用无损检测的方式识别卷烟真假，并采用细节放大特征采集，机器识别难度低，采用残差卷积神经网络识别能达到较高的准确率。

主权项：1.一种基于残差卷积神经网络的卷烟真假识别方法，其特征在于，包括：获取包括真烟样品图片和假烟样品图片的特征区域放大图片集，所述真烟样品图片和所述假烟样品图片具有表示样本真假的标签；对所述图片集中图片的指定位置进行裁剪得到N个特征图片；对所述N个特征图片进行预处理得到M个图片，M和N均为大于0的整数，且MN；对M个图片进行标准化处理和图像缩放后作为训练集，使用ResNet34残差神经网络进行训练，并采用交叉熵损失函数进行真假二分类，以准确率作为训练模型的测量指标得到卷烟真假识别模型；根据所述卷烟真假识别模型进行卷烟真假识别；还包括：选择Dropout对ResNet34残差神经网络进行泛化处理；通过迁移学习方式对所述卷烟真假识别模型进行微调；使用VGG16_bn作为预测模型。

全文数据：

权利要求：

百度查询： 云南省烟草质量监督检测站 基于残差卷积神经网络的卷烟真假识别方法、装置和设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD