一种基于多注意力机制的工件表面缺陷检测方法

    公开(公告)号:CN118967644A

    公开(公告)日:2024-11-15

    申请号:CN202411119182.4

    申请日:2024-08-15

    摘要: 本发明公开一种基于多注意力机制的工件表面缺陷检测方法,包括:获取工业产品瑕疵数据集并对原始数据集中工件表面的各类缺陷进行标注,得到带标注的数据集;以带标注的工件图片作为模型输入、并划分数据集;构建融合多注意力机制的神经网络模型得到网络模型,确定损失函数并利用反向传导方法进行模型训练,得到理想模型;利用上述理想模型对待检测图片进行分类预测和回归预测,得到最终检测结果。通过引入注意力机制自适应地学习输入特征图中不同位置和通道的重要性,并为重要的特征提供更高的权重,以捕捉更有区分度的信息。通过增强卷积神经网络对目标的关注和细节的捕捉能力,从而有效地提升工件表面缺陷检测的准确性及精度。

    一种面向移动互联网的SIP协议节流传输系统及方法

    公开(公告)号:CN106817341B

    公开(公告)日:2019-11-26

    申请号:CN201510846675.2

    申请日:2015-11-27

    IPC分类号: H04L29/06 H04W52/02

    摘要: 一种面向移动互联网的SIP协议节流传输系统及方法,系统包括移动客户端、MQTT代理服务器、SIP服务器、订阅者端。方法为移动客户端对发出的SIP消息进行高效的二进制压缩,将压缩后的数据包封装在MQTT协议的payload结构体中,通过MQTT协议的传输通道进行网络传输;在服务器一端,利用协议转换网关系统完成对MQTT消息体的解析和分拣,最终完成移动客户端应用和服务器交互的整个SIP操作处理流程。在该传输机制中,将原来的双通道传输改进为基于MQTT协议的单通道传输,并对SIP协议的保活机制进行了优化,具备有效节省流量、降低移动设备对网络带宽、计算资源、内存利用以及功耗要求的优势。

    一种基于SIP协议的WebRTC的通信方法

    公开(公告)号:CN109995734A

    公开(公告)日:2019-07-09

    申请号:CN201711492037.0

    申请日:2017-12-30

    IPC分类号: H04L29/06 H04L29/08

    摘要: 本发明涉及一种基于SIP协议的WebRTC的通信方法,包括主叫端和被叫端通过ICE代理收集候选地址,生成offer信令以及answer信令。主叫端和被叫端通过内置于客户端的SIPRTC本地网关实现WebRTC信令和SIP信令的相互转化,然后主叫端和被叫端通过SIP服务器转发SIP信令,最终主叫端和被叫端建立P2P或通过媒体中继服务器进行媒体流中转。本发明实现了WebRTC信令和SIP信令在客户端侧的相互转化,以及通过WebRTC的PeerConnection层对实时流媒体进行处理,实现了SIP协议和WebRTC高效率的融合。

    SIPHelloSDK与语音板卡的通话系统和方法

    公开(公告)号:CN105592023A

    公开(公告)日:2016-05-18

    申请号:CN201410639674.6

    申请日:2014-11-13

    IPC分类号: H04L29/06 H04M7/00

    摘要: 本发明涉及SIPHelloSDK与语音板卡的通话系统,服务器与话机之间依次设有SIP代理模块和板卡控制模块;SIP代理模块:将来自服务器的语音数据发送至板卡控制模块,同时接收来自板卡控制模块的语音数据并发送至服务器;板卡控制模块:接收SIP代理模块的语音数据并通过话机放音,同时接收来自话机的录音并发送至SIP代理模块。方法包括:SIP代理模块将来自服务器的语音数据发送至板卡控制模块,同时接收来自板卡控制模块的语音数据并发送至服务器;板卡控制模块接收SIP代理模块的语音数据并通过话机放音,同时接收来自话机的录音并发送至SIP代理模块本发明将语音的采集与传输分成两个模块,通过自定义协议进行信息的交互,耦合度低,具有高度可扩展性,可以扩展SIP功能和较为复杂的电话控制功能,并可以开启多个SIP终端实现多路控制。

    一种基于STM R-CNN的金属表面缺陷检测方法

    公开(公告)号:CN116205832A

    公开(公告)日:2023-06-02

    申请号:CN202111430299.0

    申请日:2021-11-29

    发明人: 王卫 张新凯 于波

    摘要: 本发明提出了一种基于STM R‑CNN的金属表面缺陷检测方法,以Swin Transformer作为骨干特征提取网络,Mix‑FPN混合特征金字塔作为特征提取层,设计级联区域卷积神经网络框架的金属表面图像检测算法,将transformer结构应用于金属表面瑕疵检测领域,与单纯基于卷积网络的深度学习目标检测算法相比,能够达到更加精确的检测效果。首先,使用Swin Transformer作为骨干特征提取网络代替常规的残差网络结构,增强特征网络对隐含在图像中的深层语义信息的提取能力。然后设计Mix‑FPN混合特征金字塔网络,通过特征金字塔融合不同特征层信息,其次设计Multi‑stage R‑CNN级联结构:通过不同的IoU阈值使每个stage专注于检测特定范围内的Region Proposal。最后使用软性非极大值抑制(Soft‑NMS)和FP16混合精度训练优化提升模型性能。

    一种基于MASK R-CNN的钢铁表面缺陷检测方法

    公开(公告)号:CN117788359A

    公开(公告)日:2024-03-29

    申请号:CN202211143571.1

    申请日:2022-09-20

    摘要: 本发明提出了一种基于MASK R‑CNN的钢铁表面缺陷检测方法,包括:将EfficientNet结构应用于钢铁表面缺陷检测领域,能够达到更精确、更鲁棒的检测效果。首先,使用EfficientNet作为骨干特征提取网络代替常规的残差网络结构,增强特征网络对钢铁表面缺陷的特征提取能力,降低网络的参数量,提升网络训练效率。其次设计加权双向递归特征金字塔,增强特征金字塔结构提取不同尺度缺陷特征信息的能力。最后设计融入注意力模块的MASK检测头,通过通道注意力和空间注意力模块对特征图进行计算,提取钢铁图片中的重要缺陷信息,摒弃不重要的语义信息,从而提升缺陷分割的质量。