-
Patent Agency Ranking
公开(公告)号：CN119107304A
公开(公告)日：2024-12-10
申请号：CN202411168554.2
申请日：2024-08-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/045 , B07C5/34
Abstract: 本发明属于木材缺陷检测的技术领域，更具体地，涉及一种基于贝叶斯网络的木材表面缺陷检测与分选方法、计算机可读存储介质和计算机程序产品。所述方法首先对木材缺陷图像进行了图像预处理，使用先进的图像处理技术提取了包括干疤、裂缝、活结、死结等在内的多种特征。这些特征被用来构建贝叶斯网络，该网络能够捕捉到特征之间的依赖关系。基于学到的贝叶斯网络结构和参数，构建木材缺陷分类器。该分类器能够根据输入特征的观测值计算木材样本属于各个类别的后验概率，并进行分类决策。通过这种方式，贝叶斯网络不仅能利用各个特征本身的信息，还能利用特征之间的相互关系，有助于更精确地检测和分类不同等级的木材表面缺陷。
-
公开(公告)号：CN117350962A
公开(公告)日：2024-01-05
申请号：CN202311278742.6
申请日：2023-09-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/94 , G06F21/62 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于图像检测的技术领域，更具体地，涉及一种基于云边协同的木材表面缺陷自学习方法及装置。所述方法包括：获取原始木材图像数据，构建第一训练数据集；为每个边缘客户端构建初始缺陷检测模型，将第一训练数据集输入初始缺陷检测模型，并根据初始缺陷检测模型的输出结果构建第二训练数据集；基于联邦学习算法利用第二训练数据集对初始缺陷检测模型进行训练，并引入迁移向量更新初始缺陷检测模型的全局参数和本地头部参数，以得到每个边缘客户端对应的目标模型；基于目标模型对木材表面进行缺陷检测，并对木材表面缺陷进行等级分选。本发明解决了木皮单板在实际生产过程中出现的木材种类多种多样、木皮单板表面缺陷类型增加等技术问题。
-
公开(公告)号：CN119478523A
公开(公告)日：2025-02-18
申请号：CN202411592705.7
申请日：2024-11-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00
Abstract: 本发明属于木材缺陷检测的技术领域，更具体地，涉及一种基于改进YOLOv8l的木材表面缺陷检测方法、电子设备及存储介质。所述方法包括：使用FasterNet改进传统的YOLOv8l的Backbone，利用FasterNet中部分卷积PConv的设计来减小参数量和计算量；提出了一种增强型加权双向特征金字塔网络EFPN，通过辅助分支加强不同特征层之间的信息交换，并设计了扩张重参数模块DRM来充分捕获不同尺度上的特征。改进后的YOLOv8l更加适用于检测木材表面的多尺度缺陷，不仅提高了检测精度，并且参数量和计算量更小，为木材表面缺陷检测提供了一种高效、精准的解决方案。
-
公开(公告)号：CN119205758A
公开(公告)日：2024-12-27
申请号：CN202411707363.9
申请日：2024-11-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
Abstract: 本发明提出了一种木材表面缺陷检测方法、系统、介质及设备，属于木材表面缺陷检测技术领域。方法包括：获取桉木单板图像，并进行预处理；将预处理后图像输入至木材缺陷识别网络中，利用反深度可分离茎模块提取图像的特征图并进行特征聚合，得到第一特征图；经过矩形自校准模块提取全局特征，形成第二特征图，再使用自适应频率注意力网络模块提取第二特征图的关键频率成分并输出第三特征图；将第三特征图输入到频率增强通道注意力模块中，得到第四特征图；将第四特征图与第一特征图融合，得到第五特征图并通过分割头预测，输出最终识别的树皮缺陷区域。解决了木材缺陷检测过程中，树皮缺陷所导致的网络提取特征效果差，语义分割精度低的问题。
-
公开(公告)号：CN119205758B
公开(公告)日：2025-04-25
申请号：CN202411707363.9
申请日：2024-11-27
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
Abstract: 本发明提出了一种木材表面缺陷检测方法、系统、介质及设备，属于木材表面缺陷检测技术领域。方法包括：获取桉木单板图像，并进行预处理；将预处理后图像输入至木材缺陷识别网络中，利用反深度可分离茎模块提取图像的特征图并进行特征聚合，得到第一特征图；经过矩形自校准模块提取全局特征，形成第二特征图，再使用自适应频率注意力网络模块提取第二特征图的关键频率成分并输出第三特征图；将第三特征图输入到频率增强通道注意力模块中，得到第四特征图；将第四特征图与第一特征图融合，得到第五特征图并通过分割头预测，输出最终识别的树皮缺陷区域。解决了木材缺陷检测过程中，树皮缺陷所导致的网络提取特征效果差，语义分割精度低的问题。
-
-
-
-
Search Results
5
records
(took 0.087 seconds)
