买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京诺司时空科技有限公司申请的专利一种基于深度学习的零件表面缺陷分类系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116645559B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310633238.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的零件表面缺陷分类系统是由王宏志;陈泊舟;郑博;叶天生;丁小欧设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于深度学习的零件表面缺陷分类系统在说明书摘要公布了：一种基于深度学习的零件表面缺陷分类系统，它属于图像分类技术领域。本发明解决了现有深度学习模型在优化channel数量时所需的优化时间和存储开销大，而且channel数量优化后的深度学习模型的分类准确率低的问题。本发明采取的主要技术方案为：本发明将卷积核中的每个通道分别作为一个独立的候选者，根据控制变量和候选者的索引，分别将每个候选者的索引映射到一个值为0或1的indicator值，再根据映射结果进行通道选择。采用本发明方法可以解决现有深度学习模型在优化channel数量时所需的优化时间和存储开销大的问题。而且，采用本发明方法对channel数量进行优化，可以显著提高训练好的深度学习模型的分类准确率。本发明方法可以应用于图像分类领域。

本发明授权一种基于深度学习的零件表面缺陷分类系统在权利要求书中公布了：1.一种基于深度学习的零件表面缺陷分类系统，其特征在于，所述系统包括图像获取模块、图像处理模块和神经网络模块，其中： 所述图像获取模块用于获取零件表面图像，并将获取的图像发送给图像处理模块； 所述图像处理模块用于对获取的图像进行处理，并将处理后的图像发送给神经网络模块； 所述神经网络模块用于输出图像分类结果； 所述神经网络模块训练过程中的channel数量优化过程为： 1、将卷积核中的每个通道分别作为一个独立的候选者，候选者的索引分别记为1,2，…，n，n是通道数量； 2、在整个迭代训练过程中不断对控制变量进行更新，对于每个候选者均根据控制变量将其索引映射到一个值为0或1的选择变量值； 所述映射采用SoftStep函数实现，SoftStep函数具体为： 其中，x代表索引，代表第x个索引映射到的选择变量值，代表Sigmoid函数，代表控制变量； 根据最后一次迭代训练获得的映射结果进行通道选择； 所述最后一次迭代训练获得的映射结果满足的约束为：在n个候选者中，仅有k个候选者的选择变量值是1，其它候选者的选择变量值是0； 选择变量值为1表示当前候选者被选中，即当前候选者所对应的通道被选中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京诺司时空科技有限公司，其通讯地址为：100020 北京市朝阳区东三环北路甲19号soho嘉盛中心2509室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。