一种基于FPGA的卷积神经网络电缆缺陷检测方法技术

本发明专利技术公开了一种基于FPGA的卷积神经网络电缆缺陷检测方法，步骤一：采集电缆的缺陷图像，确定缺陷的初始化图像，并对缺陷图像储存和标注，构建电缆缺陷图像样本库；步骤二：将缺陷图像样本库中的图像分为训练集，利用训练代码进行图像识别训练，并将训练数据嵌入到FPGA中；步骤三：通过相机实时采集正在移动电缆的图像，由FPGA对图像进行预处理，匹配预先储存的缺陷图像；步骤四：将检测结构通过显示屏展示，以供工作人员获取信息；本发明专利技术采用基于FPGA的卷积神经网络电缆缺陷检测方法，不仅计算速度快而且更能适应复杂的环境提高检测效率和降低成本，改变了人工检测电缆的效率低下，以及单纯利用深度学习进行电缆检测不准确的现状。

【技术实现步骤摘要】

本专利技术涉及电缆缺陷检测，具体为一种基于fpga的卷积神经网络电缆缺陷检测方法。

技术介绍

1、目前电线电缆存在电缆尺寸及结构问题、环境因素、敷设作业质量未达标等缺陷。以往检测大多数都是采用人工检测，但是有时环境恶劣导致人工检测不准确，且费时费力效率较低。之前有采用深度学习的方法进行电缆检测，但当电缆移动的速度较快时，会导致检测不准确，原因是计算速度较低。

技术实现思路

1、本专利技术的目的在于提供一种基于fpga的卷积神经网络电缆缺陷检测方法，旨在改善人工检测电缆的效率低下，以及单纯利用深度学习进行电缆检测不准确的问题。

2、本专利技术是这样实现的：一种基于fpga的卷积神经网络电缆缺陷检测方法，包括

3、步骤一：采集电缆的缺陷图像，确定缺陷的初始化图像，并对缺陷图像储存和标注，构建电缆缺陷图像样本库；

4、步骤二：将缺陷图像样本库中的图像分为训练集，利用训练代码进行图像识别训练，并将训练数据嵌入到fpga中；

5、步骤三：通过相机实时采集正在移动电缆的图像本文档来自技高网...

【技术保护点】

1.一种基于FPGA的卷积神经网络电缆缺陷检测方法，其特征在于，包括

2.根据权利要求1所述的一种基于FPGA的卷积神经网络电缆缺陷检测方法，其特征在于，步骤一中，采集的是电缆具有典型缺陷的图像，并经过筛选梳理后，形成带有标注的初始化图像。

3.根据权利要求2所述的一种基于FPGA的卷积神经网络电缆缺陷检测方法，其特征在于，缺陷图像样本库中的图像还分为测试集，进行图像识别训练后，利用测试集识别查看的准确率。

4.根据权利要求3所述的一种基于FPGA的卷积神经网络电缆缺陷检测方法，其特征在于，训练好的数据嵌入至FPGA的ROM中，且可后期调用。

<...

【技术特征摘要】

1.一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，包括

2.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，步骤一中，采集的是电缆具有典型缺陷的图像，并经过筛选梳理后，形成带有标注的初始化图像。

3.根据权利要求2所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，缺陷图像样本库中的图像还分为测试集，进行图像识别训练后，利用测试集识别查看的准确率。

4.根据权利要求3所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，训练好的数据嵌入至fpga的rom中，且可后期调用。

5.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测方法，其特征在于，设置三台相机，三台相机均匀分布在电缆的外侧，且与图像采集卡相连，图像采集卡与pc相连。

6.根据权利要求1所述的一种基于fpga的卷积神经网络电缆缺陷检测...

【专利技术属性】
技术研发人员：孙钢灿，李亚彬，薛琦，郝万明，
申请(专利权)人：郑州大学，
类型：发明
国别省市：