-
公开(公告)号：CN111291830A
公开(公告)日：2020-06-16
申请号：CN202010144610.4
申请日：2020-03-04
Applicant: 东莞理工学院
Abstract: 本发明涉及目标检测与识别领域，公开了一种提高玻璃表面缺陷检测效率与准确率的方法，包括如下步骤：提取缺陷样本，输入fster-rcnn、ssd、Yolov3目标识别网络训练学习，保存学习后的模型；使用fster-rcnn、ssd、Yolov3目标识别网络训练学习后的模型进行图像检测与识别，得到目标识别网络的图像检测准确率；比较fster-rcnn、ssd、Yolov3目标识别网络的图像检测准确率的大小，按准确率从大到小的顺序分配权重，组合fster-rcnn、ssd、Yolov3目标检测网络得到组合分类器来训练得到综合准确率，记为accuracy1；动态权重组合fster-rcnn、ssd、Yolov3目标识别网络训练学习后的模型；采集样本图像输入动态权重组合后的网络训练学习模型，输出样本图像上的缺陷位置与类别。本方法有利于提高检测效率和准确率。
-
公开(公告)号：CN111291830B
公开(公告)日：2023-03-03
申请号：CN202010144610.4
申请日：2020-03-04
Applicant: 东莞理工学院
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06N3/08
Abstract: 本发明涉及目标检测与识别领域，公开了一种提高玻璃表面缺陷检测效率与准确率的方法，包括如下步骤：提取缺陷样本，输入fster‑rcnn、ssd、Yolov3目标识别网络训练学习，保存学习后的模型；使用fster‑rcnn、ssd、Yolov3目标识别网络训练学习后的模型进行图像检测与识别，得到目标识别网络的图像检测准确率；比较fster‑rcnn、ssd、Yolov3目标识别网络的图像检测准确率的大小，按准确率从大到小的顺序分配权重，组合fster‑rcnn、ssd、Yolov3目标检测网络得到组合分类器来训练得到综合准确率，记为accuracy1；动态权重组合fster‑rcnn、ssd、Yolov3目标识别网络训练学习后的模型；采集样本图像输入动态权重组合后的网络训练学习模型，输出样本图像上的缺陷位置与类别。本方法有利于提高检测效率和准确率。
-
公开(公告)号：CN110355607B
公开(公告)日：2021-04-27
申请号：CN201910609193.3
申请日：2019-07-08
Applicant: 东莞理工学院
Abstract: 本发明公开了一种加工中心的车刀磨损状态的视觉检测系统，通过电机运动控制器控制视觉检测装置的底座丝杠电机、立柱丝杠电机和滑板横梁丝杠电机将视觉检测装置运动到合适的位置，通过激光器向被测刀具投射激光，利用CCD摄像机采集激光束影像，根据图像中光条的偏移信息得到被测物的表面轮廓数据，然后将所有轮廓数据经过坐标变换后得到刀具整体的三维点云数据，最后，对测得点云数据进行实时处理，在测量过程实现对刀具破损的快速判断以及刀具径向尺寸的获取其结构简单，图像信息易于提取且测量精度较高，与传统检测仪相比，本发明具有人为干扰因素小，重复定位精度高，自动化效率高等优点，同时也可以实现刀具参数自动测量。
-
公开(公告)号：CN110355607A
公开(公告)日：2019-10-22
申请号：CN201910609193.3
申请日：2019-07-08
Applicant: 东莞理工学院
Abstract: 本发明公开了一种加工中心的车刀磨损状态的视觉检测系统，通过电机运动控制器控制视觉检测装置的底座丝杠电机、立柱丝杠电机和滑板横梁丝杠电机将视觉检测装置运动到合适的位置，通过激光器向被测刀具投射激光，利用CCD摄像机采集激光束影像，根据图像中光条的偏移信息得到被测物的表面轮廓数据，然后将所有轮廓数据经过坐标变换后得到刀具整体的三维点云数据，最后，对测得点云数据进行实时处理，在测量过程实现对刀具破损的快速判断以及刀具径向尺寸的获取其结构简单，图像信息易于提取且测量精度较高，与传统检测仪相比，本发明具有人为干扰因素小，重复定位精度高，自动化效率高等优点，同时也可以实现刀具参数自动测量。
-
-
-
Search Results
4
records
(took 0.023 seconds)
