公开(公告)号：CN119515752B

公开(公告)日：2025-05-09

申请号：CN202411591856.0

申请日：2024-11-08

Applicant: 安徽工程大学

Inventor： 万国扬 ,  李叙娜 ,  滕明遥 ,  王承文 ,  李寒琪 ,  朱佳炳 ,  曹家杰 ,  蒋述 ,  陶晓军 ,  温彩妙 ,  王梓萌 ,  何琴 ,  汪倩倩

IPC: G06T5/94 ,  G06T5/60 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088

Abstract: 本发明公开了一种工业产品图像的数据增强方法、装置、介质和设备，涉及数据增强技术领域。本发明先基于产品图像裁剪拼接得到初始增强后的图像并将其作为样本图像，然后构建改进的循环生成对抗网络，并以改进的循环生成对抗网络基于样本图像进行数据增强的生成对抗学习，使得改进的循环生成对抗网络能够消除初始增强图像中不和谐的地方，使其生成图像趋近视觉采集得到的产品图像。其中，改进加入的实例归一化模块能够更关注每个样本自身的特征分布，提高了对每个初始增强图像的特征提取的准确性；同时通过加入卷积块注意力模块提高通道和空间上特征的抓取能力，以在生成最终增强图像时很好地消除初始增强图像中不和谐的地方，提高数据增强的效果。

公开(公告)号：CN119515752A

公开(公告)日：2025-02-25

申请号：CN202411591856.0

申请日：2024-11-08

Applicant: 安徽工程大学

Inventor： 万国扬 ,  李叙娜 ,  滕明遥 ,  王承文 ,  李寒琪 ,  朱佳炳 ,  曹家杰 ,  蒋述 ,  陶晓军 ,  温彩妙 ,  王梓萌 ,  何琴 ,  汪倩倩

IPC: G06T5/94 ,  G06T5/60 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088

Abstract: 本发明公开了一种工业产品图像的数据增强方法、装置、介质和设备，涉及数据增强技术领域。本发明先基于产品图像裁剪拼接得到初始增强后的图像并将其作为样本图像，然后构建改进的循环生成对抗网络，并以改进的循环生成对抗网络基于样本图像进行数据增强的生成对抗学习，使得改进的循环生成对抗网络能够消除初始增强图像中不和谐的地方，使其生成图像趋近视觉采集得到的产品图像。其中，改进加入的实例归一化模块能够更关注每个样本自身的特征分布，提高了对每个初始增强图像的特征提取的准确性；同时通过加入卷积块注意力模块提高通道和空间上特征的抓取能力，以在生成最终增强图像时很好地消除初始增强图像中不和谐的地方，提高数据增强的效果。

公开(公告)号：CN117078525A

公开(公告)日：2023-11-17

申请号：CN202310830116.7

申请日：2023-07-07

Applicant: 安徽工程大学

Inventor： 江明 ,  陶秀文 ,  万国扬 ,  何琴 ,  汪倩倩

IPC: G06T5/00 ,  G06T7/80 ,  G06T7/73 ,  G06T7/00 ,  G06T3/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明揭示了一种基于虚拟场景的工件小样本图像增强方法，该方法先建立工件模型，利用随机算法设置不同的场景、不同的光照条件和不同的工件位姿，从而模拟不同条件下相机采集数据集的情况，制作虚拟图片，达到扩充数据集的目的。本发明实现了对工件小样本数据集进行有效的扩充，克服了工件在采集数据集的过程中伴随的相机抖动、光照不均、环境复杂和采集成本高的问题，同时也突破了传统图像增强方法只能在原始图像基础上进行增强的局限性。该方法可以覆盖复杂的光照模型、不同的工件材质和复杂的场景条件，对环境变化的适应性强。

公开(公告)号：CN118037831A

公开(公告)日：2024-05-14

申请号：CN202311821659.9

申请日：2023-12-27

Applicant: 安徽工程大学

Inventor： 万国扬 ,  王承文 ,  汪倩倩 ,  李寒琪 ,  何琴 ,  刘丙友 ,  王力超 ,  胡耀聪 ,  柏受军 ,  滕明遥 ,  李叙娜 ,  张健 ,  陈金城 ,  陶秀文

IPC: G06T7/73 ,  G06T7/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及反光金属对象的机器人2D视觉6DOF位姿测量与定位抓取方法，利用6DOF系统中单目摄像头采集的反光金属对象图形通过虚拟引擎建立虚拟图形数据集；使用Unet作为生成对抗网络的生成器，并利用Transformer模块与cycleGAN网络结合以提高图像的特征的质量；使用KLD损失函数与YOLOv7网络结合对YOLOv7网络输出的坐标和角度进行优化，减小角度误差；通过固定放置的标定板进行拍照计算出标定板相对机器人底坐的位姿，通过转置矩阵计算出标定平面在单目摄像头坐标系下的位姿，并配合单目摄像头内参实现2D位姿向3D位姿的转化。本发明对YOLOv7目标检测网络进行改进，实现了YOLOv7目标检测网络对旋转对像的定位，实现了机器人抓取2D抓取位姿的高精度计算。

公开(公告)号：CN116787432A

公开(公告)日：2023-09-22

申请号：CN202310704172.6

申请日：2023-06-14

Applicant: 安徽工程大学 ,  华能巢湖发电有限责任公司

Inventor： 万国扬 ,  赵继兴 ,  刘丙友 ,  张健 ,  周星源 ,  陈金城 ,  陶秀文 ,  黄志远 ,  何琴 ,  汪倩倩 ,  柏受军

IPC: B25J9/16

Abstract: 本发明涉及一种机器人视觉引导抓取方法，输入待抓取工件图样，通过虚拟引擎生成工件的虚拟图片；将视觉系统采集的图像裁剪拼接，并配合随机算法，生成工件在不同位置下的均匀分布图像；利用cycleGAN网络对图像进行优化，并引入梯度损失函数和多通道混合注意力机制以提升提高检测模型的图像的清晰度及提高学习效率与生成效果；利用yolov7算法预测工件表面关键点检测，通过提出的GeIOU函数作为损失函数提高预测准确度；利用EPnP算法将工件表面关键点转换为位资关键点，同时通过6DOF位姿计算完成抓取位置计算。本发明通过梯度损失函数和多通道混合注意力机制提高网络的学习效率与生成效果，同时在保证生成图像清晰度的前提下，消除拼接图像中工件与背景的灰度差。