-
公开(公告)号：CN116596891B
公开(公告)日：2024-09-10
申请号：CN202310578316.8
申请日：2023-05-22
申请人： 南京林业大学
IPC分类号： G06T7/00 , G06V10/25 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/082 , G06N3/0895
摘要： 本发明涉及一种基于半监督多任务检测的木地板颜色分类及缺陷检测方法，属于图像处理领域。该方法包括：对输入图像进行缺陷色彩校正；标记少量图像作为数据集输入Color‑RCNN模型训练，实现颜色分类和缺陷检测；训练半监督预测监视网络判别伪标签是否准确的；用Color‑RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，用半监督预测监视网络对伪标签进行判别，将正确的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color‑RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得正确标签，实现半监督学习。本发明在图像识别的过程中，通过半监督学习，使用少量人工标记和大量未标记的木地板图像训练出模型，提高了分选的效率。
-
公开(公告)号：CN116448769B
公开(公告)日：2024-06-11
申请号：CN202310522824.4
申请日：2023-05-10
申请人： 南京林业大学
摘要： 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN116448769A
公开(公告)日：2023-07-18
申请号：CN202310522824.4
申请日：2023-05-10
申请人： 南京林业大学
摘要： 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN117058116B
公开(公告)日：2024-10-11
申请号：CN202311079010.4
申请日：2023-08-25
申请人： 南京林业大学
IPC分类号： G06T7/00 , G06T7/136 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种用于木地板表面缺陷检测的方法，该方法的具体处理步骤包括对采集的木地板图像进行缩放和标准化处理、应用深度分离可卷积提取特征、将提取的特征输入到特定计算模块进行处理实现更进一步的特征提取及特征融合、对生成的预测框应用非极大值屏蔽、置信度屏蔽的方法筛选木地板缺陷边界框。该方法基于缺陷检测常用的目标检测算法的结构，并进行适用于木地板表面缺陷检测的改进，包括设计C‑ELAN、R‑SAM、Mini‑Head、RCU、CCG‑NORM模块或方法，达到提高识别缺陷类别的准确率以及定位精度、减少计算量的有益效果，有效降低木地板表面缺陷检测的成本。
-
公开(公告)号：CN117102079A
公开(公告)日：2023-11-24
申请号：CN202311096269.X
申请日：2023-08-29
申请人： 南京林业大学
摘要： 本发明公开了一种木材旋切薄板分级分拣系统及其方法，木材旋切薄板分级分拣系统包括进料模块、板材识别分级模块、板材分拣打包模块、传送模块；具体包括：木板进料机构、送料传送带、激光测量传感器、三维深度相机、上光源、下光源、摆动传送带、出料传送带、出料工位、板材对齐机构、板材推出机构、捆扎机构。板材通过木板进料机构进入传送带，通过激光测量传感器与三维深度相机对板材进行识别分级后，由摆动电缸与摆动传送带对板材进行分拣，最终实现对板材的分级分拣，显著提高板材分级和分类的准确率和效率。
-
公开(公告)号：CN117058116A
公开(公告)日：2023-11-14
申请号：CN202311079010.4
申请日：2023-08-25
申请人： 南京林业大学
IPC分类号： G06T7/00 , G06T7/136 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种用于木地板表面缺陷检测的方法，该方法的具体处理步骤包括对采集的木地板图像进行缩放和标准化处理、应用深度分离可卷积提取特征、将提取的特征输入到特定计算模块进行处理实现更进一步的特征提取及特征融合、对生成的预测框应用非极大值屏蔽、置信度屏蔽的方法筛选木地板缺陷边界框。该方法基于缺陷检测常用的目标检测算法的结构，并进行适用于木地板表面缺陷检测的改进，包括设计C‑ELAN、R‑SAM、Mini‑Head、RCU、CCG‑NORM模块或方法，达到提高识别缺陷类别的准确率以及定位精度、减少计算量的有益效果，有效降低木地板表面缺陷检测的成本。
-
公开(公告)号：CN116596891A
公开(公告)日：2023-08-15
申请号：CN202310578316.8
申请日：2023-05-22
申请人： 南京林业大学
IPC分类号： G06T7/00 , G06V10/25 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/082 , G06N3/0895
摘要： 本发明涉及一种基于半监督多任务检测的木地板颜色分类及缺陷检测方法，属于图像处理领域。该方法包括：对输入图像进行缺陷色彩校正；标记少量图像作为数据集输入Color‑RCNN模型训练，实现颜色分类和缺陷检测；训练半监督预测监视网络判别伪标签是否准确的；用Color‑RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，用半监督预测监视网络对伪标签进行判别，将正确的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color‑RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得正确标签，实现半监督学习。本发明在图像识别的过程中，通过半监督学习，使用少量人工标记和大量未标记的木地板图像训练出模型，提高了分选的效率。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.019 秒)
