【技术实现步骤摘要】
本专利技术涉及胶管优化，具体涉及一种基于深度学习的胶管优化设计方法及装置。
技术介绍
1、胶管在工业和商业领域中有着广泛的应用，包括输送液体、气体和其他物质，因此其设计的优化对于提高效率、降低成本和减少资源浪费具有重要意义。
2、现有技术中主要基于深度学习相关技术来实现对胶管的优化设计，例如通过使用大量的数据或者图像进行网络模型训练，并基于训练好的卷积神经网络的输出结果来对胶管进行优化设计，但是传统的神经网络训练过程中大量卷积核和特征图所带来的过拟合、运算复杂以及维度过高的现象，会导致网络模型的泛化能力较低，而且还会浪费资源和时间，进而导致不能可靠的对胶管进行优化。
技术实现思路
1、为了解决上述问题，本专利技术提供一种基于深度学习的胶管优化设计方法及装置，所采用的技术方案具体如下：
2、第一方面，本专利技术实施例提供了一种基于深度学习的胶管优化设计方法包括以下步骤：
3、获取胶管样本灰度图像集合中的各个胶管样本灰度图像对应的二维矩阵；
4、...
【技术保护点】
1.一种基于深度学习的胶管优化设计方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到所述第一特征图对应的目标混乱特征值的方法，包括：
3.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到该第一特征图对应的第一特征值的方法，包括：
4.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，获取该第一特征图上的各个像素点对应的邻域像素点集合的方法，包括：
5.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到...
【技术特征摘要】
1.一种基于深度学习的胶管优化设计方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到所述第一特征图对应的目标混乱特征值的方法，包括：
3.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到该第一特征图对应的第一特征值的方法，包括：
4.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，获取该第一特征图上的各个像素点对应的邻域像素点集合的方法，包括：
5.如权利要求2所述的一种基于深度学习的胶管优化设计方法，其特征在于，得到该...
【专利技术属性】
技术研发人员：李翠平，许敬良，刘志坤，王小南，
申请(专利权)人：恒宇集团液压流体科技河北有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。