公开(公告)号：CN116935174A

公开(公告)日：2023-10-24

申请号：CN202310669523.4

申请日：2023-06-07

Applicant: 上海应用技术大学

Inventor： 刘子健 ,  王栋 ,  朱勇建 ,  宋子申 ,  陈诚 ,  冯予君

IPC: G06V10/80 ,  G01N21/88 ,  G06V10/764 ,  G06V10/774 ,  G06V10/20 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种多模态融合的金属工件表面缺陷检测方法和系统，其中一种多模态融合的金属工件表面缺陷检测方法包括如下步骤：采集各种金属表面缺陷相对应的二维缺陷数据与三维缺陷数据，用以建立缺陷检测数据库；将同一种表面缺陷的二维缺陷数据与三维缺陷数据进行融合，输出不同种类的缺陷模型，并为每一种类的缺陷类型进行标注，存储对应的标注数据；获取待检测金属工件表面的待检测二维数据和金属工件的待检测三维数据；将所述待检测二维数据和所述待检测三维数据处理为待检测数据；将所述待检测数据与每一个标注数据进行一一比对，并将比对结构进行反馈。本发明能够满足实际金属工件生产精度的检测效率与检测精度，具有可靠、高效的优势。

公开(公告)号：CN116883841A

公开(公告)日：2023-10-13

申请号：CN202310795795.9

申请日：2023-06-30

Applicant: 上海应用技术大学

Inventor： 王栋 ,  宋子申 ,  朱勇建 ,  许子鑫 ,  梁晓静

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务优化的萱草叶片病害检测方法，包括构建一个轻量级的特征提取骨干网络和一个路径聚合网络；构建一个语义分割模块，将骨干网络的第五个尺度层次特征图输入到语义分割模块，对病害目标所在的叶片进行分割，输出病害叶片的像素级分类切割图，在模型训练过程中引导网络的注意力集中至病害叶片上；构建经过任务解耦的目标检测模块，实现对病害目标的准确检测和定位；构建一个用于训练时约束参数优化方向的损失函数，将模型进行特征提取的注意力集中到病害叶片上。本发明构建了一个浅层全局空间关联信息骨干网络，能够有效地对现实场景中的病害、叶片和背景进行区分，降低参数量和计算量，以及降低算法对背景物体的误检率。

公开(公告)号：CN116843971A

公开(公告)日：2023-10-03

申请号：CN202310808238.6

申请日：2023-07-04

Applicant: 上海应用技术大学

Inventor： 王栋 ,  宋子申 ,  朱勇建 ,  许子鑫 ,  梁晓静

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/86 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于自注意力机制的萱草病害目标检测方法及系统包括：采集萱草叶图像，输入RGB彩色图，基于快速自注意力机制构建FTC特征提取骨干网络，使用两组结构相同的自顶向下金字塔融合模块组构成颈部网络前两层，使用两个结构相同的基于自适应的变形卷积模块构建自底向上的金字塔融合模块组来构成颈部网络后两层，使用预测头对颈部网络第二第三和四层的特征图进行特征压缩和聚合处理，产生目标定位分类预测向量作为最终预测结果，能够有效地对现实场景中的病害、叶片和背景进行区分，降低参数量和计算量，使用自适应学习的变形卷积核，能够有效对特征金字塔的特征图进行对齐，更加精准的对目标进行定位和分类。