-
公开(公告)号：CN113888506B
公开(公告)日：2023-05-05
申请号：CN202111157532.2
申请日：2021-09-30
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/60 , G06T7/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度分割网络包覆药形状缺陷智能检测算法，属于智能制造和机器视觉领域。本发明所述方法使用图像增广等预处理方式对数据集进行扩充，利用深度分割神经网络得到包覆药的分割图像，并提取包覆药周长、面积、矩形比等形状特征，实现包覆药形状缺陷的初分类；根据分割图像外接矩形对输入图像进行裁剪，通过分类神经网络对裁剪后的包覆药图像进行分类，并联合初分类结果实现包覆药的再分类，同时进行决策；最后，中央控制器根据决策信息控制相应的机械装置，实现具有形状缺陷包覆药的智能离群。本发明所述方法可以准确地检测到包覆药形状缺陷的类型，解决了传统人工手选方式导致的选药质量不稳定、生产产能低等问题。
-
公开(公告)号：CN113888506A
公开(公告)日：2022-01-04
申请号：CN202111157532.2
申请日：2021-09-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度分割网络包覆药形状缺陷智能检测算法，属于智能制造和机器视觉领域。本发明所述方法使用图像增广等预处理方式对数据集进行扩充，利用深度分割神经网络得到包覆药的分割图像，并提取包覆药周长、面积、矩形比等形状特征，实现包覆药形状缺陷的初分类；根据分割图像外接矩形对输入图像进行裁剪，通过分类神经网络对裁剪后的包覆药图像进行分类，并联合初分类结果实现包覆药的再分类，同时进行决策；最后，中央控制器根据决策信息控制相应的机械装置，实现具有形状缺陷包覆药的智能离群。本发明所述方法可以准确地检测到包覆药形状缺陷的类型，解决了传统人工手选方式导致的选药质量不稳定、生产产能低等问题。
-
公开(公告)号：CN119418137A
公开(公告)日：2025-02-11
申请号：CN202510012396.X
申请日：2025-01-06
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/46 , G06V10/82 , G06F40/126 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于去偏变分推断提示调优的图像识别方法，属于人工智能和计算机视觉领域。本发明将CLIP作为基准框架，该基准框架包括一个图像分支、一个文本分支；本发明基于图像分支，设计一种基于风格扰动的图像编码器，获得去偏的视觉特征；基于去偏的视觉特征和文本分支，设计一种基于去偏变分推断的文本编码器，获得去偏的文本特征；并通过设计的一种基于变分推断的损失函数，将训练集数据通过基于变分推断的损失函数最小化优化模型参数，得到参数最优的模型；将测试图像数据输入参数最优的模型得到图像识别结果。本发明为数据稀缺或受限场景提供了一种通用的小样本图像识别方法，在有限数据下仍能保持较高的识别准确率和泛化性能。
-
公开(公告)号：CN119418137B
公开(公告)日：2025-03-18
申请号：CN202510012396.X
申请日：2025-01-06
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/46 , G06V10/82 , G06F40/126 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于去偏变分推断提示调优的图像识别方法，属于人工智能和计算机视觉领域。本发明将CLIP作为基准框架，该基准框架包括一个图像分支、一个文本分支；本发明基于图像分支，设计一种基于风格扰动的图像编码器，获得去偏的视觉特征；基于去偏的视觉特征和文本分支，设计一种基于去偏变分推断的文本编码器，获得去偏的文本特征；并通过设计的一种基于变分推断的损失函数，将训练集数据通过基于变分推断的损失函数最小化优化模型参数，得到参数最优的模型；将测试图像数据输入参数最优的模型得到图像识别结果。本发明为数据稀缺或受限场景提供了一种通用的小样本图像识别方法，在有限数据下仍能保持较高的识别准确率和泛化性能。
-
公开(公告)号：CN116758549A
公开(公告)日：2023-09-15
申请号：CN202310503196.5
申请日：2023-05-06
Applicant: 电子科技大学
IPC: G06V30/148 , G06V30/14 , G06V30/16
Abstract: 本发明公开了一种基于3D点云的曲面零件字符提取方法，属于工业制造和3D图像处理领域。本发明基于3D点云数据分析，创新性地将3D图像处理技术应用到工业生产现场，完成了曲面零件的字符提取任务，该发明首先使用3D相机采集曲面零件的外形数据，并将数据以3D点云格式进行保存；然后使用字符定位算法找出曲面字符的准确位置，并将字符区域的点云数据单独提取出来；接着对提取的字符数据逐一进行曲面校正；最后使用3D点云的法向量的特性，将表面的字符提取出来。本发明所述方法可以准确定位曲面零件字符的位置，实现曲面字符的提取，在非均匀光照、字符区域与非字符区域色差小等条件下仍具有很好的鲁棒性，解决了曲面零件字符提取困难、提取效果差等问题。
-
Patent Agency Ranking
公开(公告)号：CN114707234A
公开(公告)日：2022-07-05
申请号：CN202210214313.1
申请日：2022-03-03
Applicant: 电子科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于贝叶斯深度学习的航空发动机剩余寿命预测方法，属于深度学习和预测与健康管理领域。本发明所述方法将航空发动机所采集的状态监测数据和运行环境数据通过不同的通道输入到深度网络中，同时提取性能退化特征和未来运行载荷信息；随后运用拼接和回归分析网络对特征数据进行融合、降维和映射，以实现剩余寿命预测点估计；然后提出一种改进的蒙特卡罗Dropout方法对剩余寿命预测的不确定性进行估计，得到预测结果的置信区间。本发明所述方法实现了准确且可信的航空发动机剩余寿命预测点估计和置信区间估计，解决了传统的基于深度学习的航空发动机剩余寿命预测方法未考虑未来运行载荷和剩余寿命预测结果不确定性的问题。
-
公开(公告)号：CN114707234B
公开(公告)日：2023-04-25
申请号：CN202210214313.1
申请日：2022-03-03
Applicant: 电子科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于贝叶斯深度学习的航空发动机剩余寿命预测方法，属于深度学习和预测与健康管理领域。本发明所述方法将航空发动机所采集的状态监测数据和运行环境数据通过不同的通道输入到深度网络中，同时提取性能退化特征和未来运行载荷信息；随后运用拼接和回归分析网络对特征数据进行融合、降维和映射，以实现剩余寿命预测点估计；然后提出一种改进的蒙特卡罗Dropout方法对剩余寿命预测的不确定性进行估计，得到预测结果的置信区间。本发明所述方法实现了准确且可信的航空发动机剩余寿命预测点估计和置信区间估计，解决了传统的基于深度学习的航空发动机剩余寿命预测方法未考虑未来运行载荷和剩余寿命预测结果不确定性的问题。
-
公开(公告)号：CN114022409B
公开(公告)日：2023-04-18
申请号：CN202111169031.6
申请日：2021-09-30
Applicant: 电子科技大学
Abstract: 本发明公开了基于深度学习的包覆药表面缺陷检测算法，属于智能制造领域。本发明所述方法使用基于深度卷积自编器重构出表面无缺陷包覆药图像，通过输入图像与重构图像作差得到残差图；利用边缘检测算子对输入图像进行边缘提取，并借助OpenCV获得包覆药的分割掩码；将缺陷图与分割掩码逐像素进行相乘，得到去除背景干扰的残差图；通过滑动窗口方法和非极大值抑制方法，并利用空间坐标转换规则在原图上对包覆药表面缺陷位置准确定位；中央控制器根据检测信息控制相应的气动装置，实现表面缺陷包覆药的智能离群。本发明所述方法可以准确地检测到包覆药表面缺陷及其位置，解决了包覆药选药环节由于人工手选带来的生产产能低等问题。
-
公开(公告)号：CN119399453B
公开(公告)日：2025-03-14
申请号：CN202510000368.6
申请日：2025-01-02
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/44 , G06V10/42 , G06V10/77 , G06V20/70 , G06N3/0464 , G06N3/042 , G06N3/048
Abstract: 本发明公开了一种基于多层级关系增强的弱小目标检测方法，旨在检测PCB电路板外观弱小缺陷，属于工业质检和机器视觉领域。本发明将Faster RCNN作为基准模型，包括特征提取器、候选框生成器、辅助检测器，对应的输出特征分别为图像级特征、实例级特征、类别级特征；本发明设计了一组图像级到实例级的上下文语义关系增强和实例级到实例级的视觉推理组件，并通过残差融合模块将上述组件的输出进行融合，进而输送至检测器，实现对输入图像数据表面弱小缺陷目标的检测。本发明增强了基准模型对弱小缺陷目标的表征能力，可准确检测到PCB电路板外观弱小缺陷，提升了电路板外观质量和企业生产效益。
-
公开(公告)号：CN119399453A
公开(公告)日：2025-02-07
申请号：CN202510000368.6
申请日：2025-01-02
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/44 , G06V10/42 , G06V10/77 , G06V20/70 , G06N3/0464 , G06N3/042 , G06N3/048
Abstract: 本发明公开了一种基于多层级关系增强的弱小目标检测方法，旨在检测PCB电路板外观弱小缺陷，属于工业质检和机器视觉领域。本发明将Faster RCNN作为基准模型，包括特征提取器、候选框生成器、辅助检测器，对应的输出特征分别为图像级特征、实例级特征、类别级特征；本发明设计了一组图像级到实例级的上下文语义关系增强和实例级到实例级的视觉推理组件，并通过残差融合模块将上述组件的输出进行融合，进而输送至检测器，实现对输入图像数据表面弱小缺陷目标的检测。本发明增强了基准模型对弱小缺陷目标的表征能力，可准确检测到PCB电路板外观弱小缺陷，提升了电路板外观质量和企业生产效益。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
