一种基于深度学习的图像分类系统

1.本发明涉及图像处理技术领域，具体为一种基于深度学习的图像分类系统。


背景技术：

2.随着互联网范围的扩展和相关应用的完善、智能硬件性能的不断发展，图像、文本、音频、视频数据呈持续且爆炸式的增长，图像作为一种视觉信息的载体，作为图像处理、模式识别、机器学习及人工智能等应用领域的基础，其过程包括图像的预处理、图像特征的提取、特征的降维及特征的选择、分类器的设计等。
3.现有的基于深度学习的图像分类系统在使用的过程中存在着一些不足，比如不便于调节摄像头采集的角度，且位置都是固定的，不便于调节，局限性较大，为此我们提出一种新型的基于深度学习的图像分类系统解决上述问题。


技术实现要素：

4.本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于现有基于深度学习的图像分类系统中存在的问题，提出了本发明。
6.因此，本发明的目的是提供一种基于深度学习的图像分类系统，能够实现在使用的过程中，方便调摄像头的采集角度，提高采集效率。
7.为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
8.一种基于深度学习的图像分类系统，其包括：
9.横梁，所述横梁的底部设置有导轨，所述导轨的底部设置有轨道电机，所述轨道电机的底部设置有电动转盘；
10.活动板，所述活动板设置在电动转盘的底部，所述活动板的底部两侧设置有曲型杆，所述曲型杆的一侧设置有伺服电机，所述伺服电机的输出端贯穿曲型杆设置有转动轴，所述转动轴上设置有安装架，所述安装架的一侧设置有摄像头，所述曲型杆的一侧设置有驱动电机，所述驱动电机的输出端贯穿曲型杆设置有除尘辊刷；
11.控制盒，所述控制盒设置在轨道电机的前表面，所述控制盒的内腔设置有处理器、接收模块、图像处理模块、深度学习分类模块、存储模块和驱动模块，所述处理器电性输入连接摄像头和接收模块，所述接收模块电性输入连接手持终端，所述处理器双向连接图像处理模块和深度学习分类模块，所述处理器电性输入连接存储模块和驱动模块，所述驱动模块电性输出连接轨道电机、驱动电机、伺服电机和电动转盘。
12.作为本发明所述的一种基于深度学习的图像分类系统的一种优选方案，其中：所述横梁的两侧设置有安装螺孔以及与安装螺孔相配合的安装螺栓。
13.作为本发明所述的一种基于深度学习的图像分类系统的一种优选方案，其中：所
述安装架的两侧设置有补光灯。
14.作为本发明所述的一种基于深度学习的图像分类系统的一种优选方案，其中：所述手持终端为智能手机、平板电脑、笔记本电脑或者pc端其中的一种。
15.作为本发明所述的一种基于深度学习的图像分类系统的一种优选方案，其中：所述控制盒的内腔设置有独立电源，且控制盒的一侧设置有电源接口。
16.作为本发明所述的一种基于深度学习的图像分类系统的一种优选方案，其中：所述控制盒的内腔还设置有无线传输模块，无线传输模块与外部显示装置相连接。
17.与现有技术相比，本发明的有益效果是：通过轨道电机和导轨以及横梁的配合，实现了摄像头位置的调节，方便更广范围的图像采集，通过是电动转盘以及活动板的配合，实现了角度旋转调节，通过伺服电机、转动轴、安装架以及摄像头的配合，方便了垂直角度的调节，通过手持终端、接收模块处理器和驱动模块的配合，实现了远程遥控控制，方便操作，效率更高。
附图说明
18.为了更清楚地说明本发明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发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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：
19.图1为本发明结构示意图；
20.图2为本发明除尘辊刷结构示意图；
21.图3为本发明系统框架结构示意图。
22.图中；100横梁、110导轨、120轨道电机、130电动转盘、200活动板、210曲型杆、220伺服电机、230转动轴、240安装架、250摄像头、260补光灯、270驱动电机、280除尘辊刷、300控制盒、310处理器、320接收模块、330手持终端、340图像处理模块、350深度学习分类模块、360存储模块、370驱动模块。
具体实施方式
23.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
24.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明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发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
25.其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，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，其在此不应限制本发明保护的范围。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。
26.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
27.本发明提供如下技术方案：一种基于深度学习的图像分类系统，在使用的过程中，方便调摄像头的采集角度，提高采集效率，请参阅图1至图3，包括横梁100、活动板200和控
制盒300；
28.请再次参阅图1至图3，横梁100的底部设置有导轨110，导轨110的底部设置有轨道电机120，轨道电机120的底部设置有电动转盘130，具体的，横梁100的底部焊接有导轨110，导轨110的底部滑动连接有轨道电机120，轨道电机120的底部螺接有电动转盘130；
29.请再次参阅图1至图3，活动板200设置在电动转盘130的底部，活动板200的底部两侧设置有曲型杆210，曲型杆210的一侧设置有伺服电机220，伺服电机220的输出端贯穿曲型杆210设置有转动轴230，转动轴230上设置有安装架240，安装架240的一侧设置有摄像头250，曲型杆210的一侧设置有驱动电机270，驱动电机270的输出端贯穿曲型杆210设置有除尘辊刷280，具体的，活动板200螺接在电动转盘130的底部，活动板200的底部两侧焊接有曲型杆210，曲型杆210的一侧螺接有伺服电机220，伺服电机220的输出端贯穿曲型杆210螺接有转动轴230，转动轴230上套接有安装架240，安装架240的一侧螺接有摄像头250，曲型杆210的一侧螺接有驱动电机270，驱动电机270的输出端贯穿曲型杆210螺接有除尘辊刷280；
30.请再次参阅图1至图3，控制盒300设置在轨道电机120的前表面，控制盒300的内腔设置有处理器310、接收模块320、图像处理模块340、深度学习分类模块350、存储模块360和驱动模块370，处理器310电性输入连接摄像头250和接收模块320，接收模块320电性输入连接手持终端330，处理器310双向连接图像处理模块340和深度学习分类模块350，处理器310电性输入连接存储模块360和驱动模块370，驱动模块370电性输出连接轨道电机120、驱动电机270、伺服电机220和电动转盘130，具体的，控制盒300螺接在轨道电机120的前表面，控制盒300的内腔粘接有处理器310、接收模块320、图像处理模块340、深度学习分类模块350、存储模块360和驱动模块370，处理器310电性输入连接摄像头250和接收模块320，接收模块320电性输入连接手持终端330，处理器310双向连接图像处理模块340和深度学习分类模块350，处理器310电性输入连接存储模块360和驱动模块370，驱动模块370电性输出连接轨道电机120、驱动电机270、伺服电机220和电动转盘130。
31.工作原理：在本发明使用的过程中，通过轨道电机120和导轨110以及横梁100的配合，实现了摄像头250位置的调节，方便更广范围的图像采集，通过是电动转盘130以及活动板200的配合，实现了角度旋转调节，通过伺服电机220、转动轴230、安装架240以及摄像头250的配合，方便了垂直角度的调节，通过手持终端330、接收模块320处理器310和驱动模块370的配合，实现了远程遥控控制，方便操作，效率更高。
32.虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。