科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明提供一种基于深度残差网络的密集架通道异物存在性判别方法,包括以下步骤：1)构建密集架通道图像数据集；2)构建深度残差网络模型；3)训练深度残差网络模型；4)模型的导出和调用;本发明利用深度神经网络强大的特征提取能力,在复杂的光照和地面背景条件下,能够对密集架通道异物进行快速准确的判别,同时具有操作简便、抗干扰性强、部署成本相对较低的特点。本发明可用于密集架通道异物的实时判别,并极大地提高密集架管理效率,为密集架的生产和经营企业降低成本压力。
- 单位
本发明提供一种基于深度残差网络的密集架通道异物存在性判别方法,包括以下步骤：1)构建密集架通道图像数据集；2)构建深度残差网络模型；3)训练深度残差网络模型；4)模型的导出和调用;本发明利用深度神经网络强大的特征提取能力,在复杂的光照和地面背景条件下,能够对密集架通道异物进行快速准确的判别,同时具有操作简便、抗干扰性强、部署成本相对较低的特点。本发明可用于密集架通道异物的实时判别,并极大地提高密集架管理效率,为密集架的生产和经营企业降低成本压力。
