一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于FPGA的卷积神经网络的材料表面缺陷识别方法


[0001]本专利技术涉及材料表面缺陷识别和人工智能
，具体涉及一种基于
FPGA
的卷积神经网络的材料表面缺陷的识别方法
。

技术介绍

[0002]随着高科技产业
、
新能源产业的兴起，金属材料制品和非金属材料制品在制造
、
加工
、
使用等过程中，会因为各种原因使得表面会出现缺陷
。
比如制造过程中可能会产生缺陷，比如材料内部存在夹杂物
、
气泡等等；加工过程中可能会出现划痕
、
刮痕
、
切削
、
磨削等问题；材料在使用过程中受到外力作用也可能出现缺陷，比如拉伸
、
压缩
、
弯曲
、
挤压等等；材料表面受到腐蚀
、
氧化等化学反应的影响也可能导致缺陷的产生
。
[0003]近几年来，卷积神经网络（
Convolutional Neural N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
FPGA
的卷积神经网络的材料表面缺陷识别方法，其特征在于，采用
FPGA
平台部署卷积神经网络去识别材料表面缺陷，并显示识别结果
。
包括如下步骤：获取材料表面缺陷的数据集
(1)
；训练识别材料表面缺陷的卷积神经网络模型
(2)
；在
FPGA
上部署图像采集系统
(3)
；在
FPGA
上部署识别材料表面缺陷的卷积神经网络模型
(4)
；显示识别结果
(5)
；其中在
FPGA
上部署卷积神经网络识别的材料表面缺陷包括金属制品表面缺陷和非金属制品表面缺陷
。2.
根据权利要求1所述的一种基于
FPGA
的卷积神经网络的材料表面缺陷识别方法，其特征在于，所述获取材料表面缺陷的数据集
(1)
，是利用公开的材料表面缺陷数据或者通过摄像头采集的材料表面缺陷数据，制作材料表面缺陷数据集，用于训练卷积神经网络
。3.
根据权利要求1所述的一种基于
FPGA
的卷积神经网络的材料表面缺陷识别方法，其特征在于，所述训练识别材料表面缺陷的卷积神经网络模型
(2)
，是利用材料表面缺陷数据集，训练并搭建识别材料表面缺陷的卷积神经网络模型，得到浮点数类型的权重和偏置参数，通过定点量化策略，将浮点数转化为定点数并导入到
FPGA
中参与卷积运算
。4.
根据权利要求1所述的一种基于
FPGA
的卷积神经网络的材料表面缺陷识别方法，其特征在于，所述在
FPGA
上部署图像采集系统
(3)
，包括在
FPGA
平台上采用摄像头等图像传感器去获取材料表面的原始图信息，然后对图像...

【专利技术属性】
技术研发人员：周冰，张铅海，
申请(专利权)人：苏州爱思尔提科技有限公司，
类型：发明
国别省市：