-
公开(公告)号:CN117975176B
公开(公告)日:2024-06-04
申请号:CN202410392385.4
申请日:2024-04-02
申请人: 山东省计算中心(国家超级计算济南中心) , 山东大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
摘要: 一种基于工业动态视觉自我提示的钢铁缺陷检测方法,涉及数字图像处理中的目标识别技术领域,对工业图片进行缺陷类别筛选、标注和数据预处理;搭建卷积模块,搭建自我提示ViT模块,搭建下采样模块,搭建检测头并将卷积模块、自我提示ViT模块、下采样模块、检测头按顺序级联并进行训练,训练结束后选择优化后的模型进行封装部署。提升了工业缺陷的检测精度,对工业缺陷检测具有应用能力。
-
公开(公告)号:CN117975176A
公开(公告)日:2024-05-03
申请号:CN202410392385.4
申请日:2024-04-02
申请人: 山东省计算中心(国家超级计算济南中心) , 山东大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
摘要: 一种基于工业动态视觉自我提示的钢铁缺陷检测方法,涉及数字图像处理中的目标识别技术领域,对工业图片进行缺陷类别筛选、标注和数据预处理;搭建卷积模块,搭建自我提示ViT模块,搭建下采样模块,搭建检测头并将卷积模块、自我提示ViT模块、下采样模块、检测头按顺序级联并进行训练,训练结束后选择优化后的模型进行封装部署。提升了工业缺陷的检测精度,对工业缺陷检测具有应用能力。
-
公开(公告)号:CN118941555A
公开(公告)日:2024-11-12
申请号:CN202411388056.9
申请日:2024-10-08
IPC分类号: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明提供了一种基于概率掩码的工业产品缺陷检测方法及系统,涉及缺陷检测技术领域,所述方法包括:获取待检测缺陷图像;将待检测缺陷图像输入训练好的缺陷检测模型中进行检测,获得缺陷检测结果;缺陷检测模型的输入包括有标注的缺陷图像、无标注的缺陷图像和混合中间图像,混合中间图像根据有标注的缺陷图像和无标注的缺陷图像混合得到,缺陷检测模型提取输入的图像的特征图,获取各特征图对应的概率掩码筛选信息,根据概率掩码筛选信息得到对应的交互信息,根据交互信息得到对应的缺陷检测结果。本发明能够在保证准确率的前提下提高模型部署效率。
-
公开(公告)号:CN118864454A
公开(公告)日:2024-10-29
申请号:CN202411336461.6
申请日:2024-09-25
摘要: 本发明提供了一种基于记忆专家指导的无监督异常检测方法及系统,涉及异常检测技术领域,所述方法包括:获取待检测缺陷图像;将待检测缺陷图像输入训练好的缺陷检测模型中进行检测,获得玻璃容器表面缺陷检测结果;缺陷检测模型包括依次连接的用于提取差异显著特征图的特征蒸馏网络和用于根据差异显著特征图生成缺陷检测结果的异常细化网络;特征蒸馏网络基于正态记忆专家帮助去噪学生网络学习正常样本,正态记忆专家中存储有教师网络根据正态样例特征得到的记忆向量,去噪学生网络根据所述记忆向量,对根据待检测缺陷图像生成的查询特征进行更新。本发明能够提高玻璃容器表面缺陷检测的准确性。
-
公开(公告)号:CN118781086A
公开(公告)日:2024-10-15
申请号:CN202410937329.4
申请日:2024-07-12
摘要: 本发明提供了基于概率分布优化和协同进化的缺陷检测方法及系统,涉及缺陷检测技术领域,包括,获取待检测的缺陷图像;利用训练好的缺陷检测网络对待检测的缺陷图像进行检测,得到缺陷检测结果。其中,缺陷检测网络包括边缘进化模块、上下文进化模块、特征融合模块和检测模块;边缘进化模块利用上下文特征作为条件,调整边缘特征概率分布,对边缘特征进行进化;上下文进化模块利用边缘进化模块输出的边缘特征作为约束,调整上下文进化的定义域范围,对上下文特征进行进化;特征融合模块融合边缘进化特征和上下文进化特征,得到融合特征;检测模块对融合特征进行检测。本发明能够提高在特征模糊和背景干扰环境下的缺陷检测精度。
-
公开(公告)号:CN118196089B
公开(公告)日:2024-08-06
申请号:CN202410605255.4
申请日:2024-05-16
IPC分类号: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/096
摘要: 本发明属于视觉缺陷检测领域,提供了一种基于知识蒸馏的玻璃容器缺陷检测网络轻量化方法及系统,包括对玻璃容器缺陷图片进行缺陷类别筛选、标注和数据预处理;采用搭建置信度蒸馏分支,训练教师模型得到教师模型权重,将训练好的教师模型进行推理,从教师模型取出置信度最高且互不重叠的多个预测框并训练学生模型进行置信度蒸馏;搭建全局蒸馏分支,训练教师模型得到教师模型权重,将训练好的教师模型进行推理,从教师模型取出多尺度特征并重新加载和训练好的学生模型权重进行全局蒸馏;利用置信度蒸馏分支和全局蒸馏分支实现对缺陷检测网络的轻量化。
-
公开(公告)号:CN117934980B
公开(公告)日:2024-05-31
申请号:CN202410338088.1
申请日:2024-03-25
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/09
摘要: 本发明涉及工业检测技术领域,公开一种基于注意力监督调整的玻璃容器缺陷检测方法及系统,所述方法包括以下步骤:(1)获取玻璃容器瓶身、瓶颈、瓶口和瓶底的图像,得到玻璃容器图像数据集B;(2)对玻璃容器图像数据集B进行标注,得到图像数据集中缺陷的真实方框,并划分成训练集、验证集和测试集;(3)搭建玻璃容器缺陷检测模型;(4)将玻璃容器图像输入到训练好的玻璃容器缺陷检测模型中,输出缺陷检测结果。所述系统包括玻璃容器图像采集模块和玻璃容器缺陷检测模块。本发明提高了玻璃容器缺陷检测的准确率,且具有较高的鲁棒性。
-
公开(公告)号:CN115510975A
公开(公告)日:2022-12-23
申请号:CN202211189813.0
申请日:2022-09-28
申请人: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
摘要: 本发明提供了一种多变量时序异常检测方法及系统,包括以下过程:首先将数据进行预处理输入到特征提取模块中;利用T‑Transformer‑GRU提取时序数据的时间信息;利用F‑Transformer‑GRU提取数据的全局特征关联性;然后将两者进行结合形成新的数据维度作为异常检测模块的输入;通过GRU将新特征分别输入到重构模块和预测模块中,识别数据中的异常;将两者结果进行最优化组合得到异常检测分数;最后,将分数与提前设定好的阈值进行对比输入检测结果。本系统包括数据预处理、特征提取模块和异常检测模块。本发明既捕获数据的时间信息又捕获特征之间的关联性,并将预测和重构两种方式进行最优化结合,提高异常检测精度,增强系统的稳定性,能够处理多种时序数据异常检测任务。
-
公开(公告)号:CN115049635A
公开(公告)日:2022-09-13
申请号:CN202210796619.2
申请日:2022-07-06
申请人: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
摘要: 本发明提供了一种基于Faster RCNN改进的芯片缺陷检测方法,涉及工业目标检测领域,该方法包括:对数据集进行预处理,采集训练样本集,把样本集导入Faster RCNN,通过特征提取网络对图像样本集进行特征提取,将提取到的特征输入到RPN模块进行训练生成建议框,通过样本集训练和微调得到Faster RCNN模型,使用Faster RCNN模块保存的训练参数对待检测芯片图像进行芯片缺陷检测;该样本集是使用公共合成PCB(印刷电路板)数据集训练所得出的模型,改进了特征提取网络,并使用权重自适应器进行加强学习,在一定程度上提高了检测速度和准确率,使得该发明具有更高的灵活性和识别精度,在电子信息产业中具有更好的实用价值和应用前景。
-
公开(公告)号:CN113225318A
公开(公告)日:2021-08-06
申请号:CN202110400950.3
申请日:2021-04-14
IPC分类号: H04L29/06 , G06F16/182 , G06F21/60 , H04L9/06 , H04L9/32
摘要: 本发明公开了一种政务大数据加密传输及安全存储的方法及系统,数据发送端对获取的政务大数据进行摘要提取;确定摘要加密等级;根据加密等级对政务大数据进行加密处理,生成政务大数据密文;数据发送端将政务大数据密文、摘要以及加密等级,发送到存储器进行存储;数据输出端向存储器发送政务大数据获取请求;存储器对数据输出端的加密等级进行确认,若通过,则将政务大数据密文以及摘要发送给数据输出端,并向数据发送端发送数据被调用通知;数据输出端在接收到数据之后,对数据进行解密,并进行摘要提取,将提取的摘要与接收数据中的摘要进行比对,若相同,则将解密后的数据进行输出展示。提高了信息传输和信息存储时的安全性、提高传输效率。
-
-
-
-
-
-
-
-
-