-
公开(公告)号：CN116823801A
公开(公告)日：2023-09-29
申请号：CN202310878072.5
申请日：2023-07-18
Applicant: 福州大学
IPC: G06T7/00 , G06T5/00 , G06N10/60 , G06V10/762
Abstract: 本发明提出量子多元宇宙优化点云基准面的冲压模具磨损评估方法，包括以下步骤：步骤一、通过三维激光扫描仪获取冲压模具点云数据并预处理；步骤二、构建冲压模具平面磨损度测量的点云目标函数，将平面磨损度测量转换为点云基准面的优化过程；步骤三、将量子计算引入多元宇宙算法优化，采用量子叠加态对宇宙黑洞和白洞进行编码，通过量子旋转门更新和量子非转门来实现宇宙物质的更新和变异；将量子多元宇宙算法用于寻优点云基准面，将适应度值作为平面磨损度，并设置阈值对磨损程度进行评估；本发明解决了传统模具磨损测量方法的效率和精度低、过程复杂等问题，能实现较为准确并快速的冲压模具平面磨损程度评估，提升工业生产效率和自动化程度。
-
公开(公告)号：CN110648342B
公开(公告)日：2022-07-01
申请号：CN201910943180.X
申请日：2019-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于NSST显著性检测及图割的泡沫红外图像分割方法，首先，对泡沫红外图像进行NSST分解，得到低频子带图像和多尺度高频子带；其次，采用GBVS算法对低频子带图像进行显著性检测，得到显著性值和视觉显著图；然后，对各个高频方向子带系数计算阈值和尺度相关系数，去除噪声系数和非线性增强边缘、弱边缘系数；最后，对NSST重构图像，结合视觉显著性进行图割，得到分割结果。该方法抗干扰能力强，分割精度高。
-
公开(公告)号：CN113870235A
公开(公告)日：2021-12-31
申请号：CN202111173452.6
申请日：2021-10-08
Applicant: 福州大学
Abstract: 本发明提出一种基于量子烟花圆弧边缘提取的圆形冲压件缺陷检测方法，对采集的圆形冲压件表面图像进行预处理；采用最大类间方差法对图像进行阈值分割，将冲压件从背景中分离；采用改进的分数阶微分检测算子进行梯度计算，对梯度进行非极大值抑制，采用双阈值进行边缘的检测和连接；本发明改进量子烟花算法的烟花位置量子旋转门更新策略，将改进的量子烟花算法去求取圆弧边缘提取的最优参数，完成圆弧边缘的自适应提取，通过圆弧边缘聚类和端点连接分割出各个圆形区域；通过质心偏离标准差实现偏心缺陷识别，通过圆形度大小实现形变缺陷识别，通过边缘点到质心的距离偏差实现边缘缺陷识别。
-
公开(公告)号：CN119810596A
公开(公告)日：2025-04-11
申请号：CN202411892597.5
申请日：2024-12-20
Applicant: 福州大学
IPC: G06V10/776 , G06V10/52 , G06V10/44 , G06V10/26 , G06V10/82 , G06N3/0442 , G06N3/049 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本发明提出一种基于红外时序显著目标分割的浮选泡沫稳定度估计方法，首先，采用基于ConvNeXt网络设计的U型网络，在编码器中嵌入ConvLSTM网络中以实现时间序列红外显著性信息提取，并将交叉注意力机制添加到ConvNeXt网络中用以实现红外显著性区域初定位；其次，构建U型编码器‑解码器结构的残差细化网络，深度学习显著图与真值之间的残差以改善显著区域的边缘细节，实现时序显著目标的精细化分割最后，根据显著目标分割结果计算泡沫稳定度，并统计不同工况下泡沫稳定度在时间序列上的偏离度和异常阈值，通过对泡沫红外视频图像进行显著区域检测以实现对合并及破裂气泡的分割，根据分割结果进行泡沫稳定性的评估。
-
公开(公告)号：CN116542910A
公开(公告)日：2023-08-04
申请号：CN202310386163.7
申请日：2023-04-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于亚像素边缘提取的冲压件圆孔定位及形变检测方法，包括：1、采集冲压件的图像并进行预处理；2、运用OSTU阈值分割算法提取冲压件整体目标，再将图像转化为二值化图像；3、通过亚像素边缘检测提取冲压件所有边缘像素，然后进行亚像素直线边缘拟合和亚像素曲线边缘拟合，获取所有的直线、椭圆、圆三个类型的轮廓边缘，筛选出两侧边缘轮廓直线以及所有圆形轮廓边缘，并计算圆心坐标；4、分别计算每个圆心到两侧边缘直线距离，判断圆孔位置是否发生偏移；5、计算各个圆心到圆边缘轮廓各点距离，选择最大值和最小值进行比较，两者之差超过设定的范围则判定为发生形变。该方法有利于提高冲压件圆孔定位及形变检测的准确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN115908155A
公开(公告)日：2023-04-04
申请号：CN202211168684.7
申请日：2022-09-24
Applicant: 福州大学
Abstract: 本发明提供了一种NSST域结合GAN及尺度相关系数的低照度图像增强及去噪方法，首先，收集弱光图像和正常光图像数据集，将图像从RGB空间转换到HSV空间，采用分解得到的低通子带图像构建训练集；其次，构建基于GAN的低频子带图像增强模型LF‑EnlightenGAN，并采用低频子带图像训练集对模型进行训练；然后，对待处理的低照度图像NSST分解，采用训练的LF‑EnlightenGAN模型增强低频子带图像，对各高频方向子带先采用尺度相关系数去除噪声；最后，对处理后的高、低频子带图像进行NSST重构，将图像还原到RGB空间，得到增强及去噪后的图像。应用本技术方案能够为后续的图像识别、图像分类、目标检测等任务奠定基础，不论从视觉效果还是图像质量客观评价指标上都有较大的提升。
-
公开(公告)号：CN110246106B
公开(公告)日：2021-09-28
申请号：CN201910545307.2
申请日：2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法，首先将浮选泡沫图像进行NSST分解，得到低频子带图像和多尺度高频子带；接着对低频子带图像进行量子和声搜索模糊集增强；然后对于多尺度高频子带，结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数，并通过非线性增益函数增强边缘和纹理系数；最后对处理后的低频子带、各个高频子带的系数进行NSST重构，得到增强去噪后的图像。本发明能够改善泡沫图像的亮度、对比度和清晰度，在有效抑制噪声的同时气泡边缘得到明显增强，保留更多的纹理细节，更有利于后续的气泡分割和边缘检测等处理。
-
公开(公告)号：CN110245672B
公开(公告)日：2021-08-31
申请号：CN201910545306.8
申请日：2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于快速视网膜特征点匹配及多尺度分割的浮选破碎气泡检测方法，首先采集连续两帧浮选气泡图像，对两帧气泡图像进行NSST分解，在多尺度高频子带进行气泡边缘检测及融合，并提取后一帧图像各个分割气泡的中心点；其次采用改进的FREAK采样模型对两帧图像进行特征点描述及匹配，根据前一帧分割气泡周围匹配点分布密度提取候选破碎气泡；最后将后一帧图像各个分割气泡的中心点映射到前一帧分割图像中，统计候选破碎气泡包含的中心点数；将包含多个中心点或无中心点的候选破碎气泡判为破碎气泡。本发明改进的FREAK算法的匹配效果和实时性强，破碎气泡检测方法受光照和运动变化的影响小，能有效提取出各个破碎气泡。
-
公开(公告)号：CN110298807A
公开(公告)日：2019-10-01
申请号：CN201910604910.3
申请日：2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法，首先采用NSCT变换对红外图像进行多尺度多方向分解，得到低频子带和高频子带；接着采用改进Retinex算法对低频子带系数进行增强；然后将非线性自适应旋转门的量子更新策略引入菌群算法，并用于优化分数阶微分的参数，结合Bayes Shrink阈值对高频子带进行去噪及增强；最后对处理后的低频子带系数和高频子带系数进行NSCT反变换得到增强图像。本发明在红外图像的对比度、清晰度和信息熵方面都有较大的改观，增强了红外图像的细节，为后续的红外图像处理提供更有利的红外增强图像。
-
公开(公告)号：CN119831953A
公开(公告)日：2025-04-15
申请号：CN202411892502.X
申请日：2024-12-20
Applicant: 福州大学
IPC: G06T7/00 , G06T5/73 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/77 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种带视觉去模糊的堆叠冲压零件识别及缺陷检测方法：首先，先采集多种零件的类别和缺陷图像，并根据零件的类别与变形、划痕、缺角、断裂等缺陷进行图像标注，构建样本数据集；其次，对采集的图像进行人为失焦和运动模糊，模拟工业机器震荡；然后构建基于AlexNet和DeblurGan‑v2的去模糊网络，对人为模糊图像进行去模糊操作，得到清晰图像；接着将清晰图像输入DETR中，实现对零件类别的精确分类；最后将分类好的零件图像送入YOLOv11网络中进行缺陷定位分割，得到最终识别和缺陷检测结果。本发明方法可实时对工业流水线上生产的冲压零件进行分类和缺陷检测，可辅助企业对生产线的及时监管，提高企业生产效率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.027 seconds)
