-
公开(公告)号：CN120070389A
公开(公告)日：2025-05-30
申请号：CN202510171857.8
申请日：2025-02-17
Applicant: 中国矿业大学 , 山东摩西网络科技有限公司
Abstract: 本发明公开了一种用于轮胎胎面质检的3D点云缺陷检测系统，涉及工业自动化检测技术领域，包括多模态数据融合模块，结合二维图像和三维点云数据，通过自适应优化算法进行多模态数据配准；缺陷识别模块，通过残差分析方法，定位轮胎表面的异常特征，并根据设定的阈值标记缺陷区域；自动控制模块，与轮胎生产线集成，通过抓取装置和旋转装置控制待检测轮胎，便于轮胎3D点云数据的采集；数据可视化模块，用于数据处理操作，并通过三维模型直观展示轮胎缺陷的位置和类型。因此，采用上述一种用于轮胎胎面质检的3D点云缺陷检测系统，能够实时检测轮胎胎面缺陷，有效提升了检测的精度和效率，具有很强的工业实用性和推广价值。
-
公开(公告)号：CN119887734A
公开(公告)日：2025-04-25
申请号：CN202510069967.3
申请日：2025-01-16
Applicant: 中国矿业大学
IPC: G06T7/00 , G06T7/33 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于半监督的复杂纺织品表面的缺陷检测方法，属于复杂工业品表面缺陷检测技术领域，包括以下流程：S1、以U‑Net为框架，在训练阶段借助模拟的异常样本和双输入图像完成语义分割任务；S2、通过图像级特征差异计算模块PDFM计算出两种输入图像之间的差异信息，得到拼接的图像级特征FDi；S3、拼接得图像级特征FDi先经过多尺度特征融合模块MSFFA进行特征融合；S4、最后通过由U‑Net改进的上采样模块对MSFFA模块中的结果进行解码，最终得到预测结果。本发明采用上述的一种基于半监督的复杂纺织品表面的缺陷检测方法，可以对复杂纺织品表面的缺陷进行精准的定位，模型架构简单，并且产生的开销较低，适用于工业生产。
-
公开(公告)号：CN119838895A
公开(公告)日：2025-04-18
申请号：CN202510226479.9
申请日：2025-02-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种用于输液软袋异物和外观的视觉在线检测设备和方法，属于输液袋检测设备技术领域，包括机架，机架上安装有输送链机构，机架进料端安装有进料机构，机架出料端安装有出料机构，进料机构和出料机构结构相同且对称布置，进料机构和出料机构之间的机架上安装有检测机构和踢废机构，检测机构靠近进料机构，踢废机构靠近出料机构。本发明采用上述的一种用于输液软袋异物和外观的视觉在线检测设备和方法，解决了传统软袋检测中无法旋转、褶皱干扰、贴壁异物等诸多因素带来的无法检测或者检测准确度较低的问题，极大地提高了软袋生产效率和产品质量。
-
公开(公告)号：CN116681983B
公开(公告)日：2024-06-11
申请号：CN202310648368.8
申请日：2023-06-02
Applicant: 中国矿业大学
IPC: G06V10/82 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的狭长目标检测方法，涉及狭长目标检测技术领域，将测试图像输入至检测模型中，检测出图像中的目标物体，所述检测模型包括数据采集及预处理模块、狭长目标检测网络训练模块和测试图像检测框生成模块。本发明采用上述结构通过对数据预处理，得到合适大小的图像和增加训练样本，提高网络模型的泛化能力；在BackBone主干网络和Neck之间添加全局注意力机制GAM，增强网络对目标物体特征的提取能力，进而提高对目标的检测精度；引入定向边界框表示方法，进行检测框的准确回归，采用控制阈值去除生成的重复检测框，采用CIoU损失函数，获取更加精准的检测框结果。
-
公开(公告)号：CN115273237B
公开(公告)日：2024-01-30
申请号：CN202210915844.3
申请日：2022-08-01
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/098
Abstract: 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
Patent Agency Ranking
公开(公告)号：CN117237391A
公开(公告)日：2023-12-15
申请号：CN202311179156.6
申请日：2023-09-12
Applicant: 中国矿业大学 , 山东玲珑机电有限公司 , 广西玲珑轮胎有限公司 , 山东摩西网络科技有限公司 , 中泰信合智能科技有限公司 , 湖北玲珑轮胎有限公司
Abstract: 本发明公开了一种基于机器视觉的轮廓检测方法，涉及工业检测技术领域，包括以下步骤：S1：图片拼接，通过线阵相机获取图片，将左侧相机和右侧相机获取到的所有图片进行纵向拼接，消除偏差后拼接得到大图；S2：图像增强，得到完整的大图后，使用伽马变换增强图像；S3：得到增强后的图片后，进行亚边缘提取，获取所有轮廓边缘点坐标；S4：根据获取的轮廓边缘点坐标，去除噪声；S5：完善边缘点坐标。S6：完整遍历一个周期后，得到一系列轮廓点坐标，根据离散点坐标获取当前物体的位置和姿态以及尺寸信息；本发明采用上述的一种基于机器视觉的轮廓检测方法，解决了轮廓线不完整，轮廓线有重影且只针对一块物体进行检测的问题。
-
公开(公告)号：CN116051587B
公开(公告)日：2023-08-11
申请号：CN202310107785.1
申请日：2023-02-13
Applicant: 中国矿业大学
IPC: G06T7/13 , G06T7/20 , G06V30/422
Abstract: 本发明公开了一种用于目标检测的运动轨迹生成方法，步骤如下：提取工业件的CAD信息，获取粗略轮廓信息；自动插值补全轮廓信息；对轮廓信息做矢量信息判定；自动矢量整合轮廓封闭式排序信息，获得整个轮廓带矢量排序的坐标点信息；对轮廓绝对坐标数据整合优化并提取出相对坐标信息；辅助运动控制，使相机能够拍摄到工业件的所有清晰的局部图像并排序；获得拍摄到的工业件缺陷照片的序号，以及工业件的起止照片的序号，自动反馈缺陷的位置坐标，并绘制缺陷在整个轮廓的位置图。本发明采用上述的一种用于目标检测的运动轨迹生成方法，实现对工业件质检先导条件的高效化、高精化的处理，同时提高了工业质检的效率与精度，便于快速更换规格型号。
-
公开(公告)号：CN115273237A
公开(公告)日：2022-11-01
申请号：CN202210915844.3
申请日：2022-08-01
Applicant: 中国矿业大学
Abstract: 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
公开(公告)号：CN119132997B
公开(公告)日：2025-02-25
申请号：CN202411605255.0
申请日：2024-11-12
Applicant: 中国矿业大学
IPC: H01L21/66 , G01N21/95 , G06T7/00 , G06T7/62 , G06T7/70 , G06T7/10 , G06V10/26 , G06V10/764 , G06V10/22 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种太阳能面板质检方法，属于工业质检领域，包括获取太阳能面板完整图片并进行灰度，再根据完整图片的平均灰度值裁剪为小片太阳能面板区域；将每块选取的目标区域的面积和大小与小片太阳能面板的平均值进行比较，统计满足验证条件的所有的目标区域的位置和大小；将小片太阳能面板图片打散，按照行列坐标依次遍历每个存在目标区域的位置，对位置进行补齐；根据小片太阳能面板位置和大小进行索引和编码；将所有小片太阳能面板图片剪裁为个体，再送入已经训练好的神经网络中进行推理，判断每一个小片太阳能面板图片是否存在瑕疵。本发明采用上述的一种太阳能面板质检方法，提升了质检的效率，成本低，准确度更高。
-
公开(公告)号：CN116052218A
公开(公告)日：2023-05-02
申请号：CN202310111610.8
申请日：2023-02-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种行人重识别方法，包括以下步骤：A1、将query库中行人图像输入到配置好参数的行人重识别神经网路模型中，提取行人的特征图与特征嵌入；A2、将提取的行人特征与gallery库中各图像对应的特征做相似度度量，比对并输出结果。本发明采用上述行人重识别方法，基于CNN和Transformer网络结合的CoAtNet的改进加强版CoAtNet‑Pro作为骨干网络，提升了模型容量和模型学习能力，并且在没有预训练的前提下，辅以改进的三元组损失与张量空间度量函数等，展现出优秀效果与巨大潜力。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.032 seconds)
