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CNN模型的图像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：CN116645558B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310633090.7，技术领域涉及：G06V10/764；该发明授权一种基于CNN模型的图像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CNN模型的图像分类系统在说明书摘要公布了：一种基于CNN模型的图像分类系统，它属于图像分类技术领域。本发明解决了采用现有的学习率规划方法获得的深度学习模型对图像分类的准确性差的问题。本发明采取的主要技术方案为：利用图像获取模块获取零件表面图像，并将获取的图像发送给图像处理模块；利用图像处理模块对获取的图像进行处理，并将处理后的图像发送给CNN模型；利用CNN模型输出对图像的分类结果；本发明方法在对CNN模型进行训练时，根据模型参数对学习率的梯度进行更新后，根据更新后的学习率梯度对学习率进行更新，可以显著提高训练好的深度学习模型的分类准确性。本发明方法可以应用于图像分类技术领域。

本发明授权一种基于CNN模型的图像分类系统在权利要求书中公布了：1.一种基于CNN模型的图像分类系统，其特征在于，所述系统包括图像获取模块、图像处理模块和CNN模型，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CNN模型； 所述CNN模型用于输出图像分类结果； 所述CNN模型训练过程中，学习率的调整过程为： 步骤1、设置利用个批次的小批量样本进行训练时的损失函数分别为；设置总迭代次数为N；初始化学习率为； 步骤2、初始化迭代次数为1； 步骤3、初始化学习率梯度为0；初始化模型参数为； 步骤4、初始化批次t=1，初始化自适应周期为T； 步骤5、计算输入第t个批次进行训练后的模型参数； 其中，代表的梯度，=； 当t＜时，则根据和更新学习率梯度； 当t=时，则根据和更新学习率梯度； 判断是否满足%T=0，若满足则跳转至步骤6，不满足则跳转至步骤7； 步骤6、根据更新后的学习率梯度对学习率进行更新； 对学习率进行更新后，再初始化学习率梯度为0，并跳转至步骤7； 步骤7、若t＜，则令t=t+1，返回步骤5； 若t=，则将迭代次数自增1后，返回步骤3； 直至达到设置的最大迭代次数N时，将最后一次迭代更新后的学习率作为最终的学习率。

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。