-
公开(公告)号：CN103745200A
公开(公告)日：2014-04-23
申请号：CN201410001342.5
申请日：2014-01-02
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于词带模型的人脸图像识别方法，其特征在于：步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。
-
公开(公告)号：CN119832267A
公开(公告)日：2025-04-15
申请号：CN202510023727.X
申请日：2025-01-07
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G06V10/42 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种小样本轴承表面缺陷的局部特征提取方法及系统，属于特征提取技术领域。为了解决普遍存在样本量小的轴承表面缺陷特征提取过程中出现特征提取不足，且提取精度差的问题。本发明的局部特征提取的设计是在全局特征的基础上进一步提取到局部特征信息，对该特征进行更加详细的特征表示。对比现有的小样本图像分类方法，在公开数据集和自制轴承缺陷数据集上均取得一定程度的提升。同时，本发明首次应用小样本学习方法解决轴承表面缺陷分类任务，解决了少样本轴承表面缺陷分类这一具有挑战性的任务，克服了有限的数据可用性，为数据稀缺或难以获取的分类任务提供了创新方法。
-
公开(公告)号：CN117495837A
公开(公告)日：2024-02-02
申请号：CN202311535467.1
申请日：2023-11-17
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种轴承三维外观缺陷智能检测方法，包括：基于三维采集器采集轴承表面缺陷图像，对所述轴承表面缺陷图像进行预处理，获取处理后的数据集；将待检测轴承表面图像输入至缺陷检测网络进行检测，输出预测结果，其中，所述缺陷检测网络由所述处理后的数据集进行训练并优化更新网络参数获得。本发明结构简单，维护成本低，并且实时性好，能够与自动化的轴承生产流水线匹配。
-
公开(公告)号：CN103745200B
公开(公告)日：2017-01-04
申请号：CN201410001342.5
申请日：2014-01-02
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于词袋模型的人脸图像识别方法，其特征在于：步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。
-
公开(公告)号：CN119832334A
公开(公告)日：2025-04-15
申请号：CN202510032990.5
申请日：2025-01-09
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/20 , G06V10/774 , G06V10/40 , G06N3/045 , G06N3/047 , G06V10/82
Abstract: 本发明属于发动机缸盖缺陷检测领域，公开了基于多模态大模型的缸盖表面缺陷检测方法及系统，方法包括：采集气缸图片，对气缸图片进行预处理；根据预处理后的气缸图片，构建用于多模态大模型微调的数据集；使用构建的数据集微调多模态大模型；利用微调后的多模态大模型对缸盖表面缺陷进行检测。本发明实现了对缸盖表面缺陷种类的高精度检测。
-
Patent Agency Ranking
公开(公告)号：CN119832332A
公开(公告)日：2025-04-15
申请号：CN202510023730.1
申请日：2025-01-07
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/74 , G06V10/42 , G06V10/44 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于特征增强的小样本轴承表面缺陷分类方法及系统，属于轴承表面缺陷分类领域。为解决传统图像处理方法鲁棒性差、自适应性弱；深度学习方法需要大量数据进行训练的问题。本发明设计全局与局部特征融合层，全局特征由特征嵌入网络层获取，在此基础上设计局部特征提取层，该层计算全局特征上每个区域与其邻域的相关矩阵，同时在通道和空间方向上融合相关矩阵获得局部特征信息，以丰富增强细节特征；此外，设计相似特征注意层，计算不同类原型中心与不同查询集之间的余弦相似性辅助获取到两者之间的相似区域，并赋予较高的权重，通过比较查询集和类原型中心之间的相似区域进行分类，有效克服图像背景与噪声对分类结果的影响。
-
公开(公告)号：CN115816396B
公开(公告)日：2023-08-29
申请号：CN202211467737.5
申请日：2022-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种三维轴承生产操作平台，包括：气缸平推装置、夹紧旋转装置和三维操作装置，气缸平推装置包括第一升降气缸，第一升降气缸上安装有平推组件；夹紧旋转装置包括夹紧组件，夹紧组件转动连接有旋转组件，旋转组件滑动连接在升降组件上；三维操作装置包括动力组件，动力组件传动连接两并排布置的主动滚动轴和从动滚动轴；第一升降气缸平推组件上移至支撑组件处，利用平推组件将支撑组件轴承移送至夹紧组件，旋转组件将夹紧组件翻转，升降组件将轴承移送至主动滚动轴和从动滚动轴。本发明能够不改变现有轴承工件流水线生产工序，与其实现无缝对接，从而实现从生产到外观缺陷检测整个流程的自动化，完成现有生产流水线的智能化升级。
-
公开(公告)号：CN115753797B
公开(公告)日：2023-08-29
申请号：CN202211472407.5
申请日：2022-11-23
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种三维转动轴承外观缺陷图像采集装置，包括：检测平台、轴承转动机构和缺陷检测机构，轴承转动机构包括两平行设置且位于同一平面的光轴导轨，两光轴导轨通过驱动组件转动连接在检测平台顶面，两光轴导轨用于驱动轴承转动；缺陷检测机构，缺陷检测机构包括两平行设置且位于同一平面的缺陷检测箱导轨，两缺陷检测箱导轨与两光轴导轨垂直设置，两缺陷检测箱导轨上滑动连接有缺陷检测箱，且缺陷检测箱高于两光轴导轨，缺陷检测箱朝向轴承的侧壁具有开口，开口与轴承位置相对应，缺陷检测箱内设有三维检测组件以及光源组件，本发明能够实现在一个位置上同时对轴承的三维表面进行检测，节省空间，一体化程度高，泛用性强。
-
公开(公告)号：CN109599120A
公开(公告)日：2019-04-09
申请号：CN201811589296.X
申请日：2018-12-25
Applicant: 哈尔滨工程大学
IPC: G10L17/26 , G10L21/0208 , G10L25/18 , G10L25/24
Abstract: 本发明公开了一种基于大规模养殖场厂哺乳动物异常声音监测方法，属于声音识别领域，具体涉及一种无监督的声音识别方法。本发明主要包括以下几个部分：1.谱图分析：对采集来的音频进行分析，确定声音识别方案的可行性；2.音频降噪：对音频降噪处理，提高声音识别的准确性；3.无监督音频分割：简化音频处理过程，无需手动切分得到包含所需声音事件的音频段；4.音频特征提取：采用的特征提取技术为Mel频率倒谱系数；5.无监督分类：采用无监督分类方法为K均值算法。本发明通过采用无监督的音频分割技术和K均值的分类方法，结合频谱、时频谱分析技术，音频降噪技术，Mel频率倒谱系数特征提取技术，实现了对大规模养殖场动物无监督的声音识别。
-
公开(公告)号：CN109377517A
公开(公告)日：2019-02-22
申请号：CN201811216196.2
申请日：2018-10-18
Applicant: 哈尔滨工程大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于视频追踪技术的动物个体识别系统，属于机器学习领域。基于图像视频处理技术，将多目标追踪思想应用于动物个体识别场景中，通过实时记录圈内各个动物的轨迹位置坐标，实现动物个体识别。在方案具体实施中，将深度学习中的Faster-RCNN多目标检测模型与传统追踪算法卡尔曼滤波器结合，解决了多目标追踪应用中经常出现的遮挡，轨迹交叉，实时性差等难点问题。利用采集的海量圈养数据模型，训练出基于Faster-RCNN模型的圈养动物检测模型。本发明能够有效地实现零接触，无应激，在动物个体最自然的状态下实现动物个体识别，并且安装设备可实施性强，具有非常强的实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
