基于深度学习的智能图像识别系统的制作方法

本发明涉及图像识别，具体为基于深度学习的智能图像识别系统。

背景技术：

1、随着社会的发展和进步，图像识别的技术也越发的先进，应用也十分的广泛，图像识别是通过拍摄物件的图像，并从所获取的物件图像中识别出物件的特征，主要用于从物件图像中提取重要部分的特征，通过识别机构对其进行判定所提取的特征是否与保存的信息是否一致，由此来进行对其图像的识别认证。

2、现有的图像识别的技术在图像修复过程中较为笼统的对图像进行修复，从而导致图像修复效率较低，在修复过程中，难以对图像进行计算分析，容易导致图像修复区域发生重复，从而导致图像修复资源的浪费，在存储图像时容易导致图像存储混乱，难以查找，存储器缺少防护措施容易导致图像泄漏，对使用者造成一定的经济损失，因此提出了基于深度学习的智能图像识别系统，来解决这个问题。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了基于深度学习的智能图像识别系统，具备更好更快的对图像进行修复以及便于查找图像等优点，解决了现有的图像识别的技术在图像修复过程中较为笼统的对图像进行修复，从而导致图像修复效率较低，在修复过程中，难以对图像进行计算分析，容易导致图像修复区域发生重复，从而导致图像修复资源的浪费，在存储图像时容易导致图像存储混乱，难以查找，存储器缺少防护措施容易导致图像泄漏，对使用者造成一定的经济损失的问题。

3、(二)技术方案

4、为实现上述目的，本发明提供如下技术方案：基于深度学习的智能图像识别系统，包括中央处理器，所述中央处理器的输入端与图像分析模块的输出端电连接，所述图像分析模块的输入端与图像采集模块的输出端电连接，所述中央处理器的输出端与存储模块电连接，所述中央处理器的输出端与图像修复模块的输入端电连接，所述中央处理器的输出端与查询模块的输入端电连接，所述查询模块的输出端与显示模块的输入端电连接。

5、优选的，所述图像采集模块包括图像采集工具和图像传输工具，所述图像采集工具包括红外线探测装置和图像扫描装置，所述红外线探测装置用于对图像进行探测检查，然后传输到图像扫描装置对图像信息进行扫描，然后将扫描结果传输到图像传输工具，经由图像传输工具传输到图像分析模块。

6、优选的，所述图像分析模块包括图像分析器，所述图像分析器对传输的图像进行分析，首先将图像分为完好图像与破损图像，再将破损图像以破损区域为中心进行三级划分，通过破损区域中正常像素点和缺失像素点的个数比例来确定优先级，然后传输到中央处理器，所述中央处理器将完好图像传输到存储模块进行存储，再将破损图像传输到图像修复模块进行修复。

7、优选的，所述图像修复模块包括图像修复工具，所述图像修复工具通过图像编辑，将图像破损区域置为全黑或者全白，来确定图像破损区域的边界线，根据优先级，通过对两个补丁像素值以及相应权重均方差和的差值计算得出相似性，将相似性最高的补丁的相应区域填充至破损区域，然后将修复完成的图像通过中央处理器传输到存储模块进行存储。

8、优选的，所述存储模块包括存储器，所述存储器通过图像生成的时间，地点以及内容的差异设置不同的文件夹对图像进行存储，然后对整个存储器以及其附属的不同文件夹设置合理的安全保护措施，用于对图像隐私进行保护。

9、优选的，所述查询模块包括密钥管理器，所述密钥管理器通过输入唯一识别符验证是否为本人或被设备对存储器进行读取，然后通过输入对应密码打开存储器，然后对设置有密码的文件夹通过输入其对应密码进行打开，没有密码的文件夹可以直接打开，所述存储器通过信号连接与手机终端和电脑终端相连。

10、优选的，所述显示模块包括显示屏，所述显示屏用于显示需要查看的图像，以及需要修复图像的修复进度。

11、(三)有益效果

12、与现有技术相比，本发明提供了基于深度学习的智能图像识别系统，具备以下有益效果：

13、1、基于深度学习的智能图像识别系统，通过图像分析模块的图像分析器对图像进行分析，将破损图像以破损区域为中心进行三级划分，通过破损区域中正常像素点和缺失像素点的个数比例来确定优先级，可以使图像修复模块可以更加方便快捷的对图像进行修复，图像分级后可以选取优先级最高的图像进行修复，后面具有重复的破损图像就可以不用进行修复，可以避免在修复过程中使图像修复出现重复现象，极大的提高了图像的修复效率，降低系统的运算负担，从而提高该系统使用寿命。

14、2、基于深度学习的智能图像识别系统，通过图像采集模块的红外线探测装置和图像扫描装置可以对物体进行探测扫描后生成图像，极大的提高了工人的工作效率，通过图像修复模块可以对图像进行修复整合，通过存储模块可以对图像进行分类保存，然后通过密钥管理器对其进行加密，防止图像泄漏，给使用者造成一定的经济损失，通过查询模块可以对图像进行查询，通过显示屏可以连接图像的修复进程以及图像修复后的状态，极大的方便使用者进行查看，提高使用者的使用体验。

技术特征：

1.基于深度学习的智能图像识别系统，包括中央处理器，其特征在于：所述中央处理器的输入端与图像分析模块的输出端电连接，所述图像分析模块的输入端与图像采集模块的输出端电连接，所述中央处理器的输出端与存储模块电连接，所述中央处理器的输出端与图像修复模块的输入端电连接，所述中央处理器的输出端与查询模块的输入端电连接，所述查询模块的输出端与显示模块的输入端电连接。

2.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述图像采集模块包括图像采集工具和图像传输工具，所述图像采集工具包括红外线探测装置和图像扫描装置，所述红外线探测装置用于对图像进行探测检查，然后传输到图像扫描装置对图像信息进行扫描，然后将扫描结果传输到图像传输工具，经由图像传输工具传输到图像分析模块。

3.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述图像分析模块包括图像分析器，所述图像分析器对传输的图像进行分析，首先将图像分为完好图像与破损图像，再将破损图像以破损区域为中心进行三级划分，通过破损区域中正常像素点和缺失像素点的个数比例来确定优先级，然后传输到中央处理器，所述中央处理器将完好图像传输到存储模块进行存储，再将破损图像传输到图像修复模块进行修复。

4.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述图像修复模块包括图像修复工具，所述图像修复工具通过图像编辑，将图像破损区域置为全黑或者全白，来确定图像破损区域的边界线，根据优先级，通过对两个补丁像素值以及相应权重均方差和的差值计算得出相似性，将相似性最高的补丁的相应区域填充至破损区域，然后将修复完成的图像通过中央处理器传输到存储模块进行存储。

5.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述存储模块包括存储器，所述存储器通过图像生成的时间，地点以及内容的差异设置不同的文件夹对图像进行存储，然后对整个存储器以及其附属的不同文件夹设置合理的安全保护措施，用于对图像隐私进行保护。

6.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述查询模块包括密钥管理器，所述密钥管理器通过输入唯一识别符验证是否为本人或被设备对存储器进行读取，然后通过输入对应密码打开存储器，然后对设置有密码的文件夹通过输入其对应密码进行打开，没有密码的文件夹可以直接打开，所述存储器通过信号连接与手机终端和电脑终端相连。

7.根据权利要求1的基于深度学习的智能图像识别系统，其特征在于：所述显示模块包括显示屏，所述显示屏用于显示需要查看的图像，以及需要修复图像的修复进度。

技术总结
本发明涉及图像识别技术领域，且公开了基于深度学习的智能图像识别系统，包括中央处理器，中央处理器的输入端与图像分析模块的输出端电连接，图像分析模块的输入端与图像采集模块的输出端电连接。通过图像分析模块的图像分析器对图像进行分析，将破损图像以破损区域为中心进行三级划分，通过破损区域中正常像素点和缺失像素点的个数比例来确定优先级，可以使图像修复模块可以更加方便快捷的对图像进行修复，图像分级后可以选取优先级最高的图像进行修复，后面具有重复的破损图像就可以不用进行修复，可以避免在修复过程中使图像修复出现重复现象，极大的提高了图像的修复效率，降低系统的运算负担，从而提高该系统使用寿命。

技术研发人员：邹双,冯强,丁杰
受保护的技术使用者：四川宏图智慧科技有限公司
技术研发日：
技术公布日：2024/1/15