一种基于深度学习的图像训练装置制造方法及图纸

本发明专利技术属于图像处理技术领域，具体为一种基于深度学习的图像训练装置，包括底座和控制盒，所述底座的顶部中间设置有蓄电池，所述底座的顶部左侧和右侧设置有伸缩支架，所述伸缩支架的顶部设置有顶座，其结构合理，通过图像处理模块中的图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强对采集到的图像进行预处理，通过图像处理单元中的卷积层、激励层、池化层和连接层的配合，实现深度网络结构获取到更多高维度图像的特征用来处理图像，并且通过卷积运算使得参数得以控制，通过深度学习网络处理单元中的图像传感器、图像采集单元和图像输入接口，实现了图像处理，并将图像处理结果传输至应用处理单元，实现网络训练。

【技术实现步骤摘要】
一种基于深度学习的图像训练装置
本专利技术涉及图像处理
，具体为一种基于深度学习的图像训练装置。
技术介绍
“深度学习是机器学习的一系列算法，它试图在多个层次中进行学习，每层对应于不同级别的抽象。它一般使用人工神经网络，学习到的统计模型中的不同层对应于不同级别的概念，高层概念取决于低层概念，而且同一低层的概念有助于确定多个高层概念。”现有的基于深度学习的图像识别算法，它们的计算大多放到云端进行，终端计算能力不足导致现有的方案只能在终端上实现简单的深度学习网络。比如，现有人脸识别方案都是在终端实现人脸的检测，然后再将人脸图像数据放到云端进行匹配。这样的方式导致检测速度不及时，同时要负担云端的高额成本。同时现有的深度学习网络处理装置不能对所识别的图片进行预处理，因此在使用的过程中存在着一定的局限性，为此，我们提出一种基于深度学习的图像训练装置解决上述问题。
技术实现思路
本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。因此，本专利技术的目的是提供一种基于深度学习的图像训练装置，能够实现对图像的预处理，保证深度学习网络装置的精准性和高效性。为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：一种基于深度学习的图像训练装置，其包括底座和控制盒，所述底座的顶部中间设置有蓄电池，所述底座的顶部左侧和右侧设置有伸缩支架，所述伸缩支架的顶部设置有顶座，所述顶座的底部中间设置有伺服电机，所述伺服电机的顶部输出端贯穿顶座设置有转盘，所述转盘的顶部中间设置有控制盒，所述控制盒的顶部中间设置有高清摄像头，所述控制盒的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习网络处理单元，深度学习网络处理单元电性输出连接传输单元；其中，图像处理单元包括图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强；神经网络单元包括卷积层处理、激励层处理、池化层处理和连接层处理。作为本专利技术所述的一种基于深度学习的图像训练装置的一种优选方案，其中：获取单元用于接收高清摄像头所采集到的图像，并获取图像中的图像特征。作为本专利技术所述的一种基于深度学习的图像训练装置的一种优选方案，其中：深度学习网络处理单元用于实现深度网络结构获取到更多高维度图像的特征用来处理图像，结合图片特征预算出最合理的图片数据。作为本专利技术所述的一种基于深度学习的图像训练装置的一种优选方案，其中：所述伺服电机和所述伸缩支架可通过遥控器和控制器遥控控制。作为本专利技术所述的一种基于深度学习的图像训练装置的一种优选方案，其中：所述底座的底部四角设置有万向轮，所述万向轮上设置有限位器，所述控制盒的顶部两侧设置有补光灯。与现有技术相比，本专利技术的有益效果是：通过该一种基于深度学习的图像训练装置的设置，结构设计合理，通过图像处理模块中的图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强对采集到的图像进行预处理，通过图像处理单元中的卷积层、激励层、池化层和连接层的配合，实现深度网络结构获取到更多高维度图像的特征用来处理图像，并且通过卷积运算使得参数得以控制，通过深度学习网络处理单元中的图像传感器、图像采集单元和图像输入接口，实现了图像处理，并将图像处理结果传输至应用处理单元。附图说明为了更清楚地说明本专利技术实施方式的技术方案，下面将结合附图和详细实施方式对本专利技术进行详细说明，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术结构示意图；图2为本专利技术系统框图；图3为本专利技术图像处理单元结构示意图；图4为本专利技术神经网络单元结构示意图。图中；100底座、200蓄电池、300伸缩支架、400顶座、500伺服电机、600转盘、700控制盒、800补光灯、900高清摄像头。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施方式的限制。其次，本专利技术结合示意图进行详细描述，在详述本专利技术实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本专利技术保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的实施方式作进一步地详细描述。本专利技术提供如下技术方案：一种基于深度学习的图像训练装置，实现对图像的预处理，保证深度学习网络装置的精准性和高效性；请再次参阅图1至图4，底座100的顶部中间设置有蓄电池200，底座100的顶部左侧和右侧设置有伸缩支架300，伸缩支架300的顶部设置有顶座500，顶座500的底部中间设置有伺服电机400，伺服电机400的顶部输出端贯穿顶座500设置有转盘600，转盘600的顶部中间设置有控制盒700，控制盒700的顶部中间设置有高清摄像头900，控制盒700的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头900，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习网络处理单元，深度学习网络处理单元电性输出连接传输单元；具体的，底座100的顶部中间螺接有蓄电池200，底座100用于承载伸缩支架300，蓄电池200用于提供电能，底座100的顶部左侧和右侧焊接有伸缩支架300，伸缩支架300用于调节高度和支撑顶座500，伸缩支架300的顶部焊接有顶座500，顶座500用于承载转盘600和伺服电机400，顶座500的底部中间螺接有伺服电机400，伺服电机400用于调节角度，伺服电机400的顶部输出端贯穿顶座500转动连接有转盘600，转盘600用于承载控制盒700，转盘600的顶部中间螺接有控制盒700，控制盒700用于处置电子元件，控制盒700的顶部中间螺接有高清摄像头900，高清摄像用于采集图像，控制盒700的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头900，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习本文档来自技高网...

【技术保护点】
1.一种基于深度学习的图像训练装置，其特征在于：包括底座(100)和控制盒(700)，所述底座(100)的顶部中间设置有蓄电池(200)，所述底座(100)的顶部左侧和右侧设置有伸缩支架(300)，所述伸缩支架(300)的顶部设置有顶座(500)，所述顶座(500)的底部中间设置有伺服电机(400)，所述伺服电机(400)的顶部输出端贯穿顶座(500)设置有转盘(600)，所述转盘(600)的顶部中间设置有控制盒(700)，所述控制盒(700)的顶部中间设置有高清摄像头(900)，所述控制盒(700)的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头(900)，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习网络处理单元，深度学习网络处理单元电性输出连接传输单元；/n其中，/n图像处理单元包括图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强；/n神经网络单元包括卷积层处理、激励层处理、池化层处理和连接层处理。/n

【技术特征摘要】
1.一种基于深度学习的图像训练装置，其特征在于：包括底座(100)和控制盒(700)，所述底座(100)的顶部中间设置有蓄电池(200)，所述底座(100)的顶部左侧和右侧设置有伸缩支架(300)，所述伸缩支架(300)的顶部设置有顶座(500)，所述顶座(500)的底部中间设置有伺服电机(400)，所述伺服电机(400)的顶部输出端贯穿顶座(500)设置有转盘(600)，所述转盘(600)的顶部中间设置有控制盒(700)，所述控制盒(700)的顶部中间设置有高清摄像头(900)，所述控制盒(700)的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头(900)，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习网络处理单元，深度学习网络处理单元电性输出连接传输单元；
其中，
图像处理单元包括图像降噪、图像去模糊、图像去雾、图像...

【专利技术属性】
技术研发人员：江玉珍，朱映辉，
申请(专利权)人：韩山师范学院，
类型：发明
国别省市：广东;44