-
公开(公告)号：CN109961437B
公开(公告)日：2021-06-25
申请号：CN201910270956.6
申请日：2019-04-04
Applicant: 江南大学
Abstract: 本发明公开了一种基于机器教学模式下的显著性织物疵点检测方法，属于纺织技术领域。通过引入教学模型，并通过模糊连通性评价超像素集合的传播难易程度，从而逐渐控制并优化显著性传播的顺序，解决疵点检测方法中显著性传播的缺陷和不足；本发明基于像素有不同的传播难度的前提，结合了认知科学理论的实践结果，提出的显著性织物疵点检测方法，对提高显著性疵点检测算法的稳定性和准确率具有参考价值。
-
-
公开(公告)号：CN110473190A
公开(公告)日：2019-11-19
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：CN104239903A
公开(公告)日：2014-12-24
申请号：CN201410532628.6
申请日：2014-10-10
Applicant: 江南大学
Abstract: 本发明涉及一种基于量子行为粒子群优化(QPSO)算法的图像边缘检测方法，该方法将四个自适应神经模糊推理系统(ANFIS)子检测器和一个后处理块组成一个图像边缘检测器。在使用该方法对图像进行边缘检测前，首先人工构造一个训练图像，使用QPSO和线性最小二乘法(LSE)对四个子检测器单独进行训练，确定系统中的参数；当四个子检测器都训练完毕，就可以和一个后处理块一起构成一个图像边缘检测器，对测试图像进行边缘检测。本发明的图像边缘检测方法特色之处在于，即使测试图像被噪声污染，该方法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。
-
公开(公告)号：CN103325123A
公开(公告)日：2013-09-25
申请号：CN201310289754.9
申请日：2013-07-09
Applicant: 江南大学
Abstract: 本发明涉及一种基于自适应神经模糊推理系统的图像边缘检测方法，对于被椒盐脉冲噪声污染的图像，该方法构造一个包含四个自适应神经模糊推理系统和一个后处理块的网络，在使用该网络对噪声图像进行边缘检测前，首先人工构造一个训练图像，使用混合学习算法对四个自适应神经模糊推理系统单独进行训练，确定系统中的参数；当四个自适应神经模糊推理系统都训练完毕，就可以和一个后处理块一起构成一个网络，对测试图像进行边缘检测。本发明的图像边缘检测方法特色之处在于，即使测试图像被噪声污染，该方法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。
-
Patent Agency Ranking
公开(公告)号：CN113344903A
公开(公告)日：2021-09-03
申请号：CN202110716109.5
申请日：2021-06-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于变分自编码器的玻璃瑕疵检测方法，属于玻璃瑕疵检测技术领域。所述方法通过VAE编码器对玻璃无瑕疵样本进行建模，可以对随机样本进行重构，得到与无瑕疵样本接近的重构图像。检测时，将有瑕疵的玻璃图像输入训练好的VAE编码解码网络生成与无瑕疵样本接近的重构图，再通过比对重构图与原图像间的差异区域确定差异的像素点，即瑕疵区域。对于得到的瑕疵区域会有噪声的干扰，本发明通过投影法与MAD方法结合的方式减少噪声干扰，对于VAE模型生成过程中存在的噪声，通过投影法和MAD方法结合将非目标区域去除，提升分割准确率。
-
公开(公告)号：CN113283573A
公开(公告)日：2021-08-20
申请号：CN202110708875.7
申请日：2021-06-25
Applicant: 江南大学
Abstract: 本发明公开了一种卷积神经网络最优结构自动搜索方法，属于机器学习视觉识别领域。所述方法针对每一个特定的计算机视觉任务，基于随机漂移粒子群算法的自动寻找最优卷积神经网络结构，寻找过程中，设定每一个粒子位置代表一个CNN结构，通过随机漂移粒子群算法的不断迭代，最终搜索到一个模型更小但性能更好的深度卷积神经网络。通过在Rectangles数据集上进行图像分类实验时获得了98.16％的平均分类准确度，相对于现有的7层CNN结构的LeNet‑5网络得出的87.66％的准确率以及11层结构的AlexNet网络的88.96％的分类准确率，本申请方法搜索出的CNN结构能够获得更高的准确率。
-
公开(公告)号：CN108010029B
公开(公告)日：2020-11-03
申请号：CN201711447836.6
申请日：2017-12-27
Applicant: 江南大学
Abstract: 本发明公开了基于深度学习和支持向量数据描述的织物疵点检测方法，包含学习过程和检测过程。网络的学习是建立在无疵点图像基础上，通过图像预处理得到训练样本特征向量集，然后训练深度神经网络层叠自编码器(SAE)中的参数得到降维后的特征向量集，最后采用随机漂移粒子群优化(RDPSO)算法优化支持向量数据描述(SVDD)的参数。检测时，首先得到待检测图像的特征向量集，然后采用SAE得到降维后的特征向量集，最后输入到SVDD中得到疵点检测结果。本发明的方法能够解决现有疵点检测方法人为选择特征的缺陷和不足，提高检测效果的准确度和精度。
-
公开(公告)号：CN111709907A
公开(公告)日：2020-09-25
申请号：CN202010339971.4
申请日：2020-04-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于One-Class深度支持向量描述的布匹疵点检测方法，在半监督的条件下，利用深度卷积神经网络的优势，提取出图像有效的深度特征，通过训练，在高维空间中映射出可以准确描述正常样本点超球体模型。实现了端到端的布匹瑕疵检测。通过训练得到的网络参数和超球体半径即可完整地描述出测试样本与超球体的关系，实现瑕疵的判别。解决了以往模型中内存占用大，检测速度慢，限定瑕疵种类等问题。
-
公开(公告)号：CN110935644A
公开(公告)日：2020-03-31
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.018 seconds)
