-
公开(公告)号：CN106373124A
公开(公告)日：2017-02-01
申请号：CN201610839952.1
申请日：2016-09-21
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0004 , G06T2207/30108
Abstract: 基于灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法，本发明涉及灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法。本发明是为了解决传统表面缺陷检测方法适用范围窄、计算复杂、检测精度低的问题。本发明缺陷面积检测精度可达95％，可以用于金属元件的表面检测，且对玻璃元件、纸张、电子元器件等表面缺陷检测都有很强的适用性。在C++环境下，本发明算法针对640×480的工业图像的检测时间为200ms，较现有主流方法，检测效率高，稳定性好，适用于工业产品的快速检测场合。本发明应用于工业产品表面检测领域。
-
公开(公告)号：CN106373106A
公开(公告)日：2017-02-01
申请号：CN201610839953.6
申请日：2016-09-21
Applicant: 哈尔滨工业大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20056
Abstract: 基于倒频谱直线势能函数的工业图像运动模糊抑制方法，本发明涉及工业图像运动模糊抑制方法。本发明是要解决工业成像过程中的运动模糊退化问题而提出了一种基于倒频谱直线势能函数的工业图像大尺度运动模糊抑制方法。该方法是通过一、确定感兴趣区域；二、得到傅里叶频谱图像；三、得到倒频谱图像；四、确定原ROI图像模糊角度的估计值 五、确定原ROI图像模糊长度的估计值 六、对于步骤四和步骤五得到的ROI图像的模糊角度 和模糊尺度 构建直线运动模糊核，并采用Lucy-Richardson方法进行图像复原，得到清晰的ROI图像。等步骤实现的。本发明应用工业图像运动模糊抑制领域。
-
公开(公告)号：CN106247969A
公开(公告)日：2016-12-21
申请号：CN201610842595.4
申请日：2016-09-21
Applicant: 哈尔滨工业大学
IPC: G01B11/16
CPC classification number: G01B11/16
Abstract: 一种基于机器视觉的工业磁芯元件的形变检测方法,涉及一种基于机器视觉的工业元件形变检测技述,目的是为了解决现有技术存在对初始化敏感、鲁棒性和快速性差等问题。首先对相机采集到的图像进行待测区域分割，使用模板匹配法确定待测工业磁芯元件的中心位置，对待测工业磁芯元件区域进行图像裁剪，得到感兴趣区域；对感兴趣区域的最左和最右两个边缘进行边缘检测，得到二值边缘图像；对二值边缘图像使用改进的最小二乘法进行拟合，计算最左和最右两个边缘的拟合直线的角度差，根据角度差的大小判断工业磁芯元件是否合格。上述方法对初始化不敏感，具有鲁棒性强、检测速度快、检测效率高的优点，适用于工业产品的自动生产和监测。
-
公开(公告)号：CN105160656A
公开(公告)日：2015-12-16
申请号：CN201510474873.0
申请日：2015-08-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0008 , G06T2207/20104
Abstract: 一种基于灰度共生矩阵的管件内螺纹识别系统及方法，本发明涉及基于灰度共生矩阵的管件内螺纹识别系统及方法。本发明的目的是为了解决现有内螺纹识别算法的稳定性低，识别速度慢，所需硬件系统复杂的问题。通过以下技术方案实现的：一、采集并保存一张背景图像；二、采集一张内螺纹管件原始图像；三、通过图像减法保留内螺纹管件区域；四、获取内螺纹管件端口的二值图像；五、得到内螺纹管件端口圆；六、裁剪出ROI区域；七、得到边缘二值图像；八、求解灰度共生矩阵的能量值属性；九、判断所采集的内螺纹管件端口内有无螺纹。本发明应用于管件内螺纹识别领域。
-
公开(公告)号：CN115631186B
公开(公告)日：2023-10-03
申请号：CN202211393023.4
申请日：2022-11-08
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T3/40 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于双分支神经网络的工业元件表面缺陷检测方法，涉及缺陷检测技术领域。本发明是为了解决工业元件表面缺陷检测任务所面临的图像分辨率高、缺陷面积小、缺陷样本数量少、现有算法适应能力弱的问题。本发明包括：获取待预测的工业元件图像，将待预测的工业元件图像输入到表面缺陷检测网络中获得缺陷检测结果；表面缺陷检测网络，通过以下方式获得：构建工业元件表面缺陷分类数据集；对缺陷分类数据集增广，增广结果作为训练集；构建双分支深度卷积神经网络，利用训练集训练双分支深度卷积神经网络获得表面缺陷检测网络。本发明用于检测工业元件的表面缺陷。
-
Patent Agency Ranking
公开(公告)号：CN115623770A
公开(公告)日：2023-01-17
申请号：CN202211373329.3
申请日：2022-11-07
Applicant: 哈尔滨工业大学
Abstract: 基于k近邻算法的直排式贴片机贴装路径优化方法，属于电器技术及电气工程领域。解决了贴片机对阵列式PCB板进行贴装时贴装路径规划效率低、贴装路径长的问题。本发明结合k近邻算法、引入欧式距离与切比雪夫距离，增加最短路径的搜索范围，从每个吸杆所对应的贴装点集中搜索选择贴装路径距离最小的贴装点作为该吸杆的最优贴装点输出，从而获得所有可用吸杆的最优贴装路径，得到整体贴装路径更短，提高了贴装效率。本发明主要用于对阵列式PCB板进行贴装。
-
公开(公告)号：CN115551227A
公开(公告)日：2022-12-30
申请号：CN202211421781.2
申请日：2022-11-07
Applicant: 哈尔滨工业大学
Abstract: 一种单动臂拱架型多功能贴片机供料器分配优化方法，属于表面贴装的供料技术领域。本发明针对现有不能根据实际工作情况对贴装点动态分配供料器，影响贴片效率的问题。包括：建立待贴装电路板的贴装点数据集及确定待贴装电路板尺寸坐标，确定机械参数，获取已注册供料器列表；确定可用供料器列表；对未分配供料器的贴装点，在当前贴装拾取周期遍历可用供料器列表中前基座可用供料器或后基座可用供料器进行供料器的分配，对每一次供料器分配结果进行评价指数的计算，根据评价指数计算结果确定当前贴装拾取周期贴装头的供料器拾取策略并拾取元件，在拍照检测合格后贴装元件；直到完成贴装作业。本发明用于供料器分配的优化。
-
公开(公告)号：CN113850791B
公开(公告)日：2022-07-05
申请号：CN202111144411.4
申请日：2021-09-28
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/73 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于两阶段MobileNet的卫浴陶瓷缺陷检测方法，涉及及工业自动化、人工智能及机器视觉领域。本发明是为了解决现有的卫浴陶瓷缺陷检测方法无法在满足检测准确率需求的同时满足检测速度需求的问题。本发明包括：将待检测的卫浴陶瓷图像输入到训练好的缺陷定位网络中获取待检测的卫浴陶瓷热图，并利用待检测的卫浴陶瓷热图提取待检测的缺陷定位结果；所述缺陷定位网络包括：缺陷定位网络的前级特征提取网络、多层卷积网络；所述缺陷定位网络的前级特征提取网络采用MobileNetV3的骨干网络；将获得的待检测的缺陷定位结果输入到训练好的缺陷分类网络中获得缺陷检测结果。本发明用于检测卫浴陶瓷是否有缺陷。
-
公开(公告)号：CN113850335A
公开(公告)日：2021-12-28
申请号：CN202111144398.2
申请日：2021-09-28
Applicant: 哈尔滨工业大学
Abstract: 一种用于卫浴陶瓷缺陷检测的数据增广方法，涉及缺陷检测领域。本发明是为了解决目前的卫浴陶瓷缺陷检测方法中对数据的扩增无法使训练集和数据集满足独立分布的先验假设进而导致卫浴陶瓷缺陷的检测能力低的问题。本发明包括：获取待生成图像的随机向量，并将待生成图像的随机向量输入到训练好的GAN网络中，获得增广后的卫浴陶瓷图像集；所述GAN网络包括：生成器、鉴别器；所述生成器用于利用随机向量生成卫浴陶瓷图像，包括：多层感知机、全连接层和卷积层、串联块；所述生成块包括：Modulation、Demodulation和卷积；所述串联块包括生成块和上采样块；所述待生成图像的随机向量采用混合高斯模型控制。本发明用于对卫浴陶瓷数据集增广进而进行卫浴陶瓷缺陷检测。
-
公开(公告)号：CN110738695B
公开(公告)日：2021-08-13
申请号：CN201910968493.0
申请日：2019-10-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于局部变换模型的图像特征点误匹配剔除方法，本发明涉及图像特征点误匹配剔除方法。本发明的目的是为了解决基于特征点匹配的图像配准过程中，特征点出现误匹配率高，现有剔除误匹配特征点方法准确率低的问题。过程为：一、对不同视角下拍摄相同场景的两张图像检测并描述特征点；二、得到初始特征点对集合；三、对初始特征点对集合进行分类和初步筛选；四、计算特征点集中每个特征点与所有特征点的欧式距离；五、如果类别号与特征点的类别号相同，则确定点对为内点，否则进行六判断是否为误匹配点；六、若误差大于10，则确定点对为误匹配点，并将其从点对集合中剔除，剔除后得到特征点对集合。本发明用于图像特征点匹配领域。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.024 seconds)
