-
公开(公告)号：CN110659719B
公开(公告)日：2022-02-08
申请号：CN201910889590.0
申请日：2019-09-19
Applicant: 江南大学
Abstract: 本发明公开了一种铝型材瑕疵检测方法，属于机器学习视觉检测领域。所述方法包括以下步骤：S1：获取全部图像，进行图像预处理；S2：对预处理后的图像进行特征提取；S3：将数据集分为训练集和测试集；S4：构造和训练BRDPSO‑RF模型，同步进行特征选择和RF参数的优化；S5：应用选择好的特征子集和优化后的RF模型对测试集进行瑕疵检测。本发明通过提出BRDPSO‑RF模型同步选择最优的特征子集和随机森林RF分类器的参数优化，提高瑕疵检测的准确度，减少学习及训练的时间复杂度。
-
公开(公告)号：CN110935644B
公开(公告)日：2020-12-29
申请号：CN201911379291.9
申请日：2019-12-27
Applicant: 江南大学
Abstract: 本发明公开了一种基于机器视觉的轴承滚针尺寸检测系统及方法，采用单个低成本的2D相机采集图像，工业相机进行采集图像，采集得到的图像保存到工控机上，工控机对图像进行处理，处理后的图像使用水平和垂直投影法去除背景干扰，对提取出的ROI区域进行角度修正，对ROI图像采用阈值分割的方法将图像转化为二值图像并进行填充，确保滚针轮廓内部颜色为白色；对处理后的图像进行轮廓提取，根据相机视野范围和图像像素的比例关系，计算出滚针的检测尺寸，尺寸判断为合格的滚针随着传动皮带到达收纳箱，判断不合格的滚针，工控机给PLC发出剔除信号，并通过PLC控制剔除机构剔除滚针；对流水线上运动的滚针进行实时检测和剔除。
-
公开(公告)号：CN106708945B
公开(公告)日：2020-04-17
申请号：CN201611049361.0
申请日：2016-11-21
Applicant: 江南大学
IPC: G06F16/583
Abstract: 本发明公开了一种蕾丝花边自动检索系统的使用方法。通过浏览器，将本地计算机或移动终端中的待检索蕾丝花边图像发送到服务器端；服务器端接收到图像之后，采用距离叠加函数方法求取蕾丝花边的一个纹理周期图像，然后由灰度共生矩阵得到该纹理周期图像的纹理特征，由该纹理周期图像的高度和宽度比得到形状特征；求取待检索图像的特征向量与服务器数据库中所有蕾丝花边图像的特征向量的欧式距离，得到距离最小的前十种蕾丝花边，并将检索结果返回至本地计算机或移动终端；在本地计算机或移动终端上显示待检索蕾丝花边图像和十种检索到的蕾丝花边图像及其相应详细信息，供用户进一步选择和确认。本发明可对蕾丝花边图像进行自动检索，方便快捷。
-
公开(公告)号：CN108133473A
公开(公告)日：2018-06-08
申请号：CN201711392758.4
申请日：2017-12-21
Applicant: 江南大学
Abstract: 本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法，包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像，通过图像预处理得到训练样本集，然后训练深度神经网络中的参数。检测时，首先得到待测图像的检测样本集，然后采用深度神经网络得到网络输出，最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征，根据Fisher准则计算代价函数值，能够提取图像中各个方向大小的纹理，提高检测准确率。采用深度神经网络自动选择图像特征，解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。
-
公开(公告)号：CN106708945A
公开(公告)日：2017-05-24
申请号：CN201611049361.0
申请日：2016-11-21
Applicant: 江南大学
IPC: G06F17/30
Abstract: 本发明公开了一种蕾丝花边自动检索系统的使用方法。通过浏览器，将本地计算机或移动终端中的待检索蕾丝花边图像发送到服务器端；服务器端接收到图像之后，采用距离叠加函数方法求取蕾丝花边的一个纹理周期图像，然后由灰度共生矩阵得到该纹理周期图像的纹理特征，由该纹理周期图像的高度和宽度比得到形状特征；求取待检索图像的特征向量与服务器数据库中所有蕾丝花边图像的特征向量的欧式距离，得到距离最小的前十种蕾丝花边，并将检索结果返回至本地计算机或移动终端；在本地计算机或移动终端上显示待检索蕾丝花边图像和十种检索到的蕾丝花边图像及其相应详细信息，供用户进一步选择和确认。本发明可对蕾丝花边图像进行自动检索，方便快捷。
-
Patent Agency Ranking
公开(公告)号：CN113393451B
公开(公告)日：2024-03-29
申请号：CN202110716116.5
申请日：2021-06-25
Applicant: 江南大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种基于自动机器学习的缺陷检测方法，属于机器学习视觉识别技术领域。所述方法通过改进的RDPSO算法自动搜索得到适用于当前缺陷检测任务的最优的One‑classDeep SVDD模型，然后采用正常无缺陷样本进行训练，利用训练好的模型将所有正常无缺陷样本映射到高维的特征空间，形成一个具有最小体积的封闭超球体；在进行缺陷检测时，利用训练好的模型将待检测样本映射到高维的特征空间，根据是否映射在所形成的具有最小体积的封闭超球体内判断待检测样本是否存在缺陷。本申请方法可自动搜索出适用于当前缺陷检测任务的最优模型；且只需要正常无缺陷样本进行训练无需列出所有类型的缺陷，能够获得较好的检测效果。
-
公开(公告)号：CN115526847A
公开(公告)日：2022-12-27
申请号：CN202211138259.3
申请日：2022-09-19
Applicant: 江南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的主板表面缺陷检测方法，属于主板表面缺陷检测技术领域。所述方法利用YOLOX目标检测网络对待检测主板的CPU风扇接线进行缺陷检测，并对螺丝进行定位，再使用改进的GANomaly异常检测网络对定位后的螺丝进行二次检测，获得螺丝的最终检测结果；本申请构建了一个从粗到细的级联检测网络，在GANormaly异常检测网络中嵌入SSPCAB模块，从而提出改进的GANomaly异常检测模型，加强了特征提取能力，提高了模型检测准确性。而且本申请基于无监督的异常检测方法，减少对缺陷样本的依赖和提高检测精度。
-
公开(公告)号：CN114581698A
公开(公告)日：2022-06-03
申请号：CN202210084352.4
申请日：2022-01-20
Applicant: 江南大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间交叉注意力机制特征融合的目标分类方法，属于计算机辅助检测技术领域。所述方法通过无参注意力机制捕获相似特征图的重要特征，然后以通道注意力机制激励的方法以一个特征图的特征去重标定另一个特征图，达到融合的效果，本申请方法不仅有效地融合了两个特征图的特征，而且不同于特征金字塔的上采样融合相似特征图的方法，本申请方法有效的减少了参数量，减少了特征冗余，提高了识别性能，本申请通过对于肺结节阳性识别的实例验证其有效性。
-
公开(公告)号：CN110473190B
公开(公告)日：2022-03-04
申请号：CN201910733837.X
申请日：2019-08-09
Applicant: 江南大学
Abstract: 本发明公开了一种基于尺度的自适应织物疵点检测方法，属于纺织产品检测技术领域。本发明针对现有疵点检测方法对小目标疵点检测时预先人为设定固定大小的相似区域，而对于处于不同区域(如背景区域、疵点区域、疵点与背景的过渡边缘区域)的像素设定相同大小的相似区域会导致疵点检测不准确的问题；利用尺度思想自适应确定每一像素对应的相似区域大小，即综合考虑了其所处区域以及与其周围像素之间的相似程度来自适应确定其相似区域的大小，同时结合区域相似性的度量方法，解决了上述问题，使得对于织物小疵点的检测更加准确。
-
公开(公告)号：CN108133473B
公开(公告)日：2021-10-01
申请号：CN201711392758.4
申请日：2017-12-21
Applicant: 江南大学
Abstract: 本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法，包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像，通过图像预处理得到训练样本集，然后训练深度神经网络中的参数。检测时，首先得到待测图像的检测样本集，然后采用深度神经网络得到网络输出，最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征，根据Fisher准则计算代价函数值，能够提取图像中各个方向大小的纹理，提高检测准确率。采用深度神经网络自动选择图像特征，解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.048 seconds)
