[0001] 本发明涉及图像分类技术领域，尤其涉及一种基于深度学习的图像分类装置。

[0002] 随着科技的进步，人们对于图像理解的需求日益增长。在众多领域，如医疗影像诊断、自动驾驶、工业产品质量检测等，都需要快速且准确地对大量图像进行分类。传统的基于手工特征(如SIFT、HOG等)和机器学习算法(如支持向量机)的图像分类方法在面对复杂多变的图像数据时逐渐显现出局限性。

[0003] 在工业零件质量检测场景中，零件可能有各种复杂的形状和结构图片，固定位置的摄像头可能会因为拍摄角度问题，使零件的一些缺陷被遮挡或者产生变形。这会导致采集的图像不能真实地呈现零件的缺陷特征，使得后续基于这些图像进行的质量分类出现错误。

[0027] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0028] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性，此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

[0029] 参照图1‑3，本发明提供的一种实施例：一种基于深度学习的图像分类装置，包括拱形架1，拱形架1右侧内部固定连接有分布均匀的支撑柱3，支撑柱3一端固定连接有凹槽板4，凹槽板4左侧中端固定连接有第一电机6，第一电机6输出端固定连接有转动板7，转动板7两端转动连接有斜杆8，斜杆8一端转动连接有移动盘9，通过转动板7的转动，借助斜杆8的传动，能够使移动盘9产生相应的位移变化，凹槽板4左侧外壁固定连接有分布均匀的导向块10，移动盘9之间设置有显示屏12，显示屏12底部设置有三个硬盘13，拱形架1中端顶部固定连接有控制器2，显示屏12可用于展示图像分类的相关信息或结果，其底部设置有三个硬盘13，硬盘13可用于存储图像数据、深度学习模型以及分类结果等重要信息。在拱形架1的中端顶部，固定连接有控制器2，控制器2能够对整个装置的各个部件进行控制与协调，如控制电机的启停、数据的传输与处理等。

[0030] 拱形架1右侧内壁设置有移动板14，移动板14左侧内壁固定连接有电动滑轨5，导向块10外壁滑动连接有移动块11，且移动块11与移动盘9固定连接，使得移动盘9在导向块10的导向作用下，能够在电动滑轨5上通过移动块11进行平稳的移动，电动滑轨5外壁滑动连接有滑动块15，滑动块15左侧固定连接有摄像头16，摄像头16可用于采集图像数据，通过在电动滑轨5上的滑动，能够调整摄像头16的位置，从而获取不同角度或位置的图像，拱形架1右侧底部固定连接有第二电机17，第二电机17输出端固定连接有丝杆20，丝杆20顶部外圈螺纹连接有螺母副19，第二电机17启动时，带动丝杆20转动，进而使螺母副19沿着丝杆20进行上下移动，螺母副19顶部固定连接有移动座21，移动座21前后两端内部均贯穿并滑动连接有导向柱18，且导向柱18与拱形架1固定连接，导向柱18为移动座21的上下移动提供了稳定的导向作用，防止其在移动过程中发生偏移，移动座21前后两端顶部均固定连接有连接柱22，且连接柱22与移动板14固定连接，当移动座21上下移动时，能够带动移动板14以及其上面连接的部件一同进行上下移动，从而实现对摄像头16高度位置的调整，以便更好地适应不同的图像采集需求。

[0031] 工作原理：第一电机6启动，带动转动板7转动，转动板7通过斜杆8推动移动盘9移动。移动盘9在导向块10和移动块11的作用下，能够平稳地左右移动，对显示屏12进行固定，第二电机17启动，带动丝杆20转动，由于丝杆20与螺母副19螺纹连接，且螺母副19与移动座21固定，同时移动座21通过导向柱18进行导向，使得移动座21在丝杆20转动时能够平稳地上下移动，移动座21的上下移动通过连接柱22带动移动板14上下移动，进而调整摄像头16的高度位置，以适应不同高度的物体图像采集，摄像头通过电动滑轨5上的滑动块15实现左右移动，从而能够对不同位置的物体进行图像采集，采集到的图像信息传输给控制器2，控制器2接收到摄像头16采集的图像信息后，利用深度学习算法对图像进行分类处理。深度学习算法通过对大量图像数据的学习，能够识别图像中的特征，并根据这些特征将图像分类到不同的类别中，分类结果通过显示屏12出来，让用户直观地看到图像的分类情况。同时，分类结果会存储在硬盘13中，以便后续查看和分析。

[0032] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。