在在卷积神经网络进行图像分类时，需要大量图像样本进行分类作为样本库，用于构建模型。在实际的工业过程中，相对于正常工业过程而言，采集到的产品图像数据中往往存在一些无效的图像数据，例如流水线生产时会采集到的模糊图像、空拍图像以及残损图像等，这类图像对于模型的构建属于无效数据，所以该方法用于将模糊图像、空拍图像等从采集到的样本中筛选出，实现原始样本的清洗，减少筛选图像所耗费的工时，降低人工成本。技术实现要素：本发明主要解决的技术问题是提供一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，能够花费更少的工时和人工成本将模糊图像、空拍图像等从采集到的样本中筛选出，实现原始样本的清洗。为解决上述技术问题，本发明采用的一个技术方案是：将未标注的部分样本图像进行模糊处理，筛选出该部分样本极度模糊的图像，进行一次模糊清理。处理过后的样本经过人工分类，分为无效图像即模糊图像、空拍图像等和有效样本图像。经过过滤器处理的极度模糊图像也划分到无效图像一类，形成两种类型的图像划分，形成一个样本库。

本发明公开了一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，原始样本通过经由卷积神经网络构建的过滤样本模型，将大量模糊、空拍及残损等无效样本(冗余样本)图像筛选出，其余样本即为质量更好、具有更多代表性的图像样本，可作为图像分类的有效样本集。该方法最终可以实现：将无效样本通过算法筛选出，减少将大量无效样本筛选出所耗费的工时，降低人工成本。

1991年，Hertz探讨了神经计算理论，对神经网络的计算复杂性分析具有重要意义；Inoue等提出用耦合的混沌振荡子作为某个神经元，构造混沌神经网络模型，为它的广泛应用前景指明了道路。神经网络的云集成模式还不是很成熟，应该有发展潜力，但神经网络有自己的硬伤，不知道能够达到怎样的效果，所以决策支持系统中并不是很热门，但是神经网络无视过程的优点也是无可替代的，云网络如果能够对神经网络提供一个互补的辅助决策以控制误差的话，也许就能使神经网络成熟起来1人工神经网络产生的背景自古以来，关于人类智能本源的奥秘，一直吸引着无数哲学家和自然科学家的研究热情。

由北京邮电大学张永军团队发明，团队包括：张永军；闫思宇;沈涛;文韩 张永军，男，德国斯图加特大学博士，北京邮电大学副教授、博士生导师，长期在通信领域进行教学和科学研究，研究领域包括智能光网络、接入网络和物联网的应用等。作为主要参加者圆满完成过多项国家863、973、自然基金、攻关课题和部重点课题。2004.1从德国获得博士学位后回国从事教学和科研工作。出版英文专著一部，科技论文70余篇，拥有国家发明专利7项，审批中30项，提交与PTN相关标准化建议稿4篇。

本项目研究成功的方法在神经网络的应用研究取得了突破性进展，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，知识推理专家系统与人工智能。为此，应当结合实际情况，发挥其最大的作用。

并扩大其在化工、石化、船舶、环保、军工、海工、轻工等领域等领域的应用。具有广阔的市场前景。

目前处于何种研发阶段： ☒研发 ☐小试 ☐中试 ☐小批量生产 ☐产业化； 样机： ☒ 有 ☐无 其他：□如选择“其他”，请说明：。

已投入成本： 1000000 元。

推广应用情况：已用于学术研究。转化方式：转化方式：合作开发、技术转让、技术许可、技术参股、采购合同、买卖合同。