-
公开(公告)号：CN114926407A
公开(公告)日：2022-08-19
申请号：CN202210463007.1
申请日：2022-04-28
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T5/00 , G06T5/40 , G06T7/11 , G06T7/13 , G06V10/30 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/94 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的钢材表面缺陷检测系统，涉及钢材表面缺陷技术领域；它的检测方法如下：步骤一：钢材表面缺陷图像预处理：灰度矫正；图像滤波；边缘检测分割；步骤二：基于深度学习的钢材表面缺陷检测技术；步骤三：钢材表面缺陷检测系统设计：(3.1)、钢材表面缺陷系统硬件设计；(3.2)、钢材表面缺陷系统软件设计：该系统包括图像采集与获取、图像处理、钢材表面缺陷检测、检测结果可视化功能；本发明通过对钢材表面缺陷分析得知钢材表面存在例如裂纹、划痕、斑块、内含物、麻点、扎入氧化皮等各种缺陷，同时准确度高；有效的解决了光照问题，且通过硬件与软件的结合来实现快速检测。
-
公开(公告)号：CN111476212A
公开(公告)日：2020-07-31
申请号：CN202010422066.5
申请日：2020-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于长短时记忆法的电机故障检测系统，涉及电机技术领域；它的检测步骤如下：一、故障诊断流程为：原始数据信号、LSTM神经网络、Softmax多分类器、故障识别；二、归一化振动信号，通过长短时记忆神经网络来进行特征的提取；长短时记忆神经网络主要是通过控制几个相应的门来了解信息存在的状态，由于控制门的存在使得网络能够长时间的存储网络所传递的信息；三、根据步骤二提取的深层特征，通过最后一层的Softmax多分类器对故障执行分类；四、将LSTM神经网络和Softmax多分类器结合起来构建故障诊断模型；本发明改进传统故障检测算法的精确度，减少其他传统算法在电机故障诊断中的问题。
-
公开(公告)号：CN110893620A
公开(公告)日：2020-03-20
申请号：CN201911166679.0
申请日：2019-11-25
Applicant: 哈尔滨理工大学
Abstract: 一种基于机器视觉的3D打印机器人，其特征在于能根据机器视觉模块对需要打印的模型进行三维立体成像，构造出需要打印模型的3D打印结构图，3D打印机根据机器视觉构造的结构图，自动打印出模型，本技术领域属于3D打印技术领域，3D打印时需要通过相应的软件进行建立模型，画出相应模型的三维立体结构，再通过3D打印机打印，针对上述复杂步骤，设计了一种基于机器视觉自动识别模型，自动建立模型的3D打印技术，机器视觉模块将采集到的模型图像，通过三维立体还原算法，进行三维建模，然后传输给3D打印机打印。
-
公开(公告)号：CN108765284A
公开(公告)日：2018-11-06
申请号：CN201810418200.7
申请日：2018-05-04
Applicant: 哈尔滨理工大学
CPC classification number: G06T3/4038 , G06K9/00362 , G06T5/006 , G06T7/11 , G06T7/136 , G06T7/194 , G06T2207/20221 , G06T2207/30196
Abstract: 本发明公开了一种自动驾驶汽车车载无人机图像处理方法和装置，包括一种自动驾驶汽车车载无人机图像处理方法，包括：第一图像采集传输步骤、第一图像识别步骤、第二图像采集传输步骤、第一图像与第二图像拼接步骤、组合图像反馈步骤；还公开了一种实现图像处理方法的图像处理装置，包括无线数传单元、图像识别单元、图像拼接单元、存储单元、供电单元、接口单元，通过图像处理方法和装置，能够实现对自动驾驶汽车四周的行人信息进行准确识别，解决自动驾驶汽车车载无人机图像处理，更好地辅助自动驾驶汽车行驶过程中能够识别多个方位的行人、路障，确保自动驾驶汽车的安全行驶。
-
公开(公告)号：CN106324502A
公开(公告)日：2017-01-11
申请号：CN201610700500.5
申请日：2016-08-22
Applicant: 哈尔滨理工大学
CPC classification number: G01R31/34 , G01M13/00 , G01M13/045
Abstract: 本发明公开了一种基于小波的异步电动机故障分析方法，应用小波变换技术对电流信号和振动信号进行分解，电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数，分析小波变换结果中频率和幅值；重构小波包分解系数，求取各频带的信号能量；将能量变化突出的若干信号选取为特征向量，通过特征向量就能够确定每一种电动机故障的特征。本发明通过用小波分析方法处理信号的结果与理论结果的误差大小来判定小波函数的好坏，从而达到通过最适合的小波函数去实现异步电动机的故障检测与分析。
-
Patent Agency Ranking
公开(公告)号：CN113538378A
公开(公告)日：2021-10-22
申请号：CN202110803455.7
申请日：2021-07-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的轴承尺寸在线检测系统，涉及在线检测技术领域；它的在线检测步骤如下：步骤一：汽车轮毂轴承尺寸在线视觉检测系统总体架构；步骤二：汽车轮毂轴承表面干扰区域检测和处理；步骤三：图像边缘检测；步骤四：平台搭建与应用验证；本发明便于实现在线检测，能够提高检测的精度与准确性，稳定性高；同时能够实现快速操作，便于模型的训练，同时能有效检测出干扰区域并对其进行处理，进而获得完整性较好、无噪声的边缘图像，进行尺寸检测，并进行误差分析。
-
公开(公告)号：CN113516699A
公开(公告)日：2021-10-19
申请号：CN202110542632.0
申请日：2021-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于超像素分割的立体匹配系统，涉及视觉技术领域；包括如下方法：步骤一：系统搭建：采用平行式结构对双目系统进行搭建；步骤二：相机模型；步骤三：相机标定及校正；步骤四：立体匹配；步骤五：三维点云重建；本发明能够通过对系统的分析，完成对立体匹配算法的改进；通过双目视觉平台进行三维重建，完成对改进后的匹配算法的验证。
-
公开(公告)号：CN110068760A
公开(公告)日：2019-07-30
申请号：CN201910325479.9
申请日：2019-04-23
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的异步电动机故障诊断方法，包含以下步骤：A、搭建异步电动机运转的模拟实验平台；B、对模拟出的电机故障状态进行电流信号和振动信号的采集；C、提取采集到数据的内在特征并进行相应的标签，完成数据集的构建；D、构建基于栈式编码器的故障诊断模型；依次训练该网络和分类器；E、利用构造的数据集对搭建的深度神经网络进行训练，并结合模拟实验平台对所提出的故障诊断方法进行验证。本发明引入深度学习理论，设计能够准确的、灵敏的、有效的诊断异步电动机复杂故障的系统，解决异步电动机故障诊断上存在的问题，适应不断发展的电力系统的要求。
-
公开(公告)号：CN106251319A
公开(公告)日：2016-12-21
申请号：CN201610612454.3
申请日：2016-07-31
Applicant: 哈尔滨理工大学
CPC classification number: G06T5/10 , G06K9/46 , G06K2009/4695 , G06T5/50 , G06T2207/10024 , G06T2207/20221
Abstract: 本发明公开了一种基于Curvelet变换的彩色图像融合算法，包括以下步骤：(1)选择Curvelet的紧框架作为原子模型，设定该框架中的离散尺度参数j、离散方向参数θ和位移参数k的取值范围，即-10≤j≤6，θ∈[0，π)，k＝(k1，k2)，其中k1为原子中心沿x轴的位移，k2为原子中心沿y轴的位移，k1，k2∈[0，n)，n表示图像块的边长。本发明计算复杂度低，运行时间短；能更好地捕捉到图像中的曲线奇异性，从而提高了稀疏表示图的质量和视觉效。
-
公开(公告)号：CN212083618U
公开(公告)日：2020-12-04
申请号：CN202020305555.8
申请日：2020-03-12
Applicant: 哈尔滨理工大学
Abstract: 本实用新型公开了一种电机故障检测装置，涉及电机用具技术领域；被测电机的绕组直流电阻信号端与信号采集器的输入端电连接，被测电机的电压端与电压采集器电连接，信号采集器的输出端与A/D转换器电连接，A/D转换器、电压采集器与主控制器的输入端电连接，主控制器的存储端与存储器电连接，触摸显示屏通过导线与主控制器的输入、输出端电连接，蓄电池通过导线分别与主控制器的电源端、继电器常闭触点的一端电连接，本实用新型能够实现检测电气元件的整齐安装与布置，提高了整洁度，且能够延长电气元件的寿命；同时在被测电机短路断电时进行检测，并能够及时报警，使用方便，提高了检测的准确度；整体结构简单，稳定性高。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
