一种裂缝检测方法及系统
    71.
    发明公开

    公开(公告)号:CN113160202A

    公开(公告)日:2021-07-23

    申请号:CN202110483642.1

    申请日:2021-04-30

    申请人: 汕头大学

    摘要: 本发明公开了一种裂缝检测方法及系统,所述方法包括:移动机器人获取目标区域的待识别裂缝视频,并发送至远程终端;远程终端接收所述待识别裂缝视频,利用训练好的深度卷积神经网络模型对待识别裂缝视频进行裂缝识别和分割得到裂缝图像;远程终端对所述裂缝图像进行分析得到裂缝的多项指标参数。通过远程操控的手段代替常规的人工道路检测,提高检测效率,减少操作人员的安全隐患,并且控制移动机器人到达道路的任何位置进行道路裂缝检测,使用图像处理技术对裂缝进行分析,提高分析效率。

    一种带压堵漏机器人的漏点定位自主控制方法及系统

    公开(公告)号:CN112571425A

    公开(公告)日:2021-03-30

    申请号:CN202011374018.X

    申请日:2020-11-30

    申请人: 汕头大学

    摘要: 本发明涉及带压堵漏技术领域,具体涉及一种带压堵漏机器人的漏点定位自主控制方法及系统,所述方法为:首先控制双目摄像头采集泄露管道的RGB图像和深度图像,滤除所述RGB图像和深度图像中的背景噪声,得到背景图像,并采用训练好的轻量化分割模型对背景图像进行场景语义分割,得到探针末端图像、带压管道图像、以及漏点水柱图像;接着获取带压管道图像的深度数据,根据所述深度数据确定表示所述带压管道位姿的线性方程组;并根据所述线性方程组重新设定机械臂在工具坐标系中的平面方程,得到新的工具坐标系;最后在所述新的工具坐标系下,根据带压管道图像和漏点水柱图像的边界线确定漏点位置,本发明能够实现对管道漏点的快速精准定位。

    基于进化神经架构搜索的眼底图像视网膜血管分割方法

    公开(公告)号:CN112258486A

    公开(公告)日:2021-01-22

    申请号:CN202011172307.1

    申请日:2020-10-28

    申请人: 汕头大学

    摘要: 本发明提供基于进化神经架构搜索的眼底图像视网膜血管分割方法,以U型解码‑编码结构为骨干网络对其中模块的内部结构进行搜索和优化,从而为这些模块寻找到比人工设计更好和具有更低计算复杂度的结构和操作;本发明的神经网络模型能更有效地处理眼底图像的复杂情况,对复杂的眼底图像病灶、血管中心反光现象的干扰和光照不均衡现象的干扰具有较强的鲁棒性,能更准确地提取视网膜血管的特征,从而提高整张图像的分割准确率。既保证了架构的灵活性也提高了架构搜索的效率,并且改进了遗传算法中的交叉操作,提高了遗传算法的在架构搜索过程中的搜索能力,更有潜力应用于临床上的疾病诊断。

    一种电梯门锁啮合深度检测方法及系统

    公开(公告)号:CN112125080A

    公开(公告)日:2020-12-25

    申请号:CN202010818133.5

    申请日:2020-08-14

    申请人: 汕头大学

    摘要: 本发明公开了一种电梯门锁啮合深度检测方法及系统,该方法包括:控制器确定电梯的轿厢停放在预设位置,使得门锁在所述执行装置的活动范围内;控制器控制执行装置将执行组件更换为门锁触发组件;控制器通过视觉模块获取门锁锁钩与视觉模块的距离;控制器控制门锁触发组件触发开启门锁,获取门锁触发组件的反馈信号,通过视觉模块获取门锁被打开的全过程的视频;门锁电气回路通断检测模块检测到电梯门锁电气回路断开时获取断开信号,并通过无线通信模块发送给控制器;控制器根据门锁锁钩与视觉模块的距离、所述视频、门锁触发组件的反馈信号和断开信号确定所述门锁的啮合深度。降低了对电梯门锁啮合深度检测时的安全风险及提高了检测效率与准确度。

    一种基于智能终端的裂缝检测方法

    公开(公告)号:CN109816636B

    公开(公告)日:2020-11-27

    申请号:CN201811653343.2

    申请日:2018-12-28

    申请人: 汕头大学

    IPC分类号: G06T7/00

    摘要: 本发明实施例公开了一种基于智能终端的裂缝检测方法,所述方法包括:创建基于深度学习的道路裂缝图像的训练集和验证集;利用训练集和验证集训练深度神经网络大模型;将训练好的深度神经网络大模型利用蒸馏方法指导新建的深度神经网络小模型进行训练,得到深度神经网络小模型的输出结果;对深度神经网络小模型进行剪枝,得到剪枝后的深度神经网络模型;利用TensorFlow Lite将剪枝后的深度神经网络模型迁移到智能终端上;将智能终端中的道路裂缝图像导入到剪枝后的深度神经网络模型中进行检测,并输出裂缝图像。本发明方法可准确地自动对裂缝进行检测,具有检测过程简单,检测效率高,劳动强度低,便于携带,可操作性强等优点。

    一种基于深度卷积神经网络的钢筋端面识别方法

    公开(公告)号:CN109815950B

    公开(公告)日:2020-08-21

    申请号:CN201811618063.8

    申请日:2018-12-28

    申请人: 汕头大学

    摘要: 本发明实施例公开了一种基于深度卷积神经网络的钢筋端面识别方法,包括:采用滑动窗遍历剪裁出钢筋端面区域图像和非钢筋端面区域图像;建立所述区域图像的图像库并将图像库中的图像分为训练样本和测试样本;将训练样本用于深度卷积神经网络的训练,并确定所述深度卷积神经网络中的学习参数;训练好所述卷积神经网络后,在所述用来测试的钢筋端面原始图像上采用滑动窗进行遍历,并将每一次遍历后的结果输送到训练好的所述卷积神经网络进行识别;在识别出的钢筋端面上标记红点,然后对所标记的红点进行聚类,找到所述识别出的端面的中心,并标记到所述用来测试的原始图像上。本发明充分利用深度卷积神经网络的较强的特征学习能力,从而高效准确的识别钢筋端面。

    一种基于卷积神经网路的中华白海豚背鳍识别方法

    公开(公告)号:CN110837818A

    公开(公告)日:2020-02-25

    申请号:CN201911128813.8

    申请日:2019-11-18

    申请人: 汕头大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于卷积神经网络的中华白海豚背鳍识别方法,所述方法包括:构建带有位置框和识别标签的中华白海豚背鳍图像库,并划分为训练样本和测试样本;训练一个用于定位背鳍区域的卷积神经网络;分别训练用于识别背鳍左右侧、背鳍图像质量和背鳍所属个体的三个卷积神经网络;通过用于定位的卷积神经网络定位出测试样本中图像的背鳍区域;通过三个用于识别的卷积神经网络分别识别背鳍区域,并输出背鳍左右侧、背鳍图像质量和背鳍所属个体的识别结果。本发明充分利用卷积神经网络的特征学习能力,可以高效准确地实现对中华白海豚背鳍的自动化识别,有助于海洋生物学家分析中华白海豚的个体习性和种群特性。

    跟随机器人
    78.
    发明公开
    跟随机器人 审中-实审

    公开(公告)号:CN110815174A

    公开(公告)日:2020-02-21

    申请号:CN201910958819.1

    申请日:2019-10-10

    申请人: 汕头大学

    摘要: 本发明公开了一种跟随机器人,包括机器人本体、避障模块、目标检测模块和行走组件,机器人本体包括底盘、支撑结构和主控制器;避障模块包括测距传感器,测距传感器设于底盘上,测距传感器与主控制器电性连接;目标检测模块包括摄像装置,摄像装置设于支撑结构顶部,摄像装置与主控制器电性连接;行走组件包括至少三个全向轮和至少三个第一电机,所有全向轮分别由单独的第一电机驱动,所有第一电机分别与主控制器电性连接。通过设置摄像装置于支撑结构顶部,摄像装置不易被阻挡,不易丢失跟随目标;同时,通过设置包括全向轮的行走组件,本发明在直线行走或曲线行走时摄像装置均能对准跟随目标,不易丢失跟随目标。