公开(公告)号：CN118429322A

公开(公告)日：2024-08-02

申请号：CN202410635739.3

申请日：2024-05-22

申请人： 南京航空航天大学

发明人： 汪俊 ,  濮宬涵 ,  蔡升堰 ,  吴翔 ,  李子宽 ,  易程

IPC分类号： G06T7/00 ,  G06T5/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

摘要： 本发明涉及图像处理技术领域，解决了目前基于监督方法由于异常样本稀少而导致检测性能较低的技术问题，尤其涉及一种基于无监督的工业复合材料CT图像异常检查方法，该方法包括以下步骤：获取工业复合材料的CT图像并制作异常检测数据集；构建将工业复合材料异常检测任务转化为图像重建与判别任务的无监督异常检测网络CTAnoNet模型；构建用于无监督异常检测网络CTAnoNet模型的联合损失函数L。本发明通过将异常检测任务转化为图像重建与判别任务，能够有效克服有效样本稀少，CT图像异常模式难以有效建模的难题，实现在复杂背景下对异常模式的准确检测。

公开(公告)号：CN118135206B

公开(公告)日：2024-08-02

申请号：CN202410572052.X

申请日：2024-05-10

申请人： 南京航空航天大学

发明人： 汪俊 ,  张沅 ,  濮宬涵 ,  林子煜 ,  李子宽

IPC分类号： G06V10/25 ,  G06V10/82 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0895

摘要： 本发明涉及一种半监督学习的层级式检测方法，包括设计层级式检测模型，得到初步的定位与分类；通过层级式检测模型中的定位网络模型，自适应生成用于微调的无标签训练数据集，该数据集包含了定位模型的待检测目标信息和带有噪声的背景信息，对生成的无标签训练数据集通过最大交并比以及相似度进行标签匹配，从而为背景信息和待检测目标信息分配标签，生成分配好标签后的训练数据集；通过生成分配好标签后的训练数据集对层级式检测模型的解耦分类头进行微调，增强网络的鲁棒性；本发明可以建立层级式的检测网络，同时基于半监督微调的策略，有效增强检测模型的鲁棒性，可以用于多种类型的检测任务。

公开(公告)号：CN118172297B

公开(公告)日：2024-07-09

申请号：CN202410608219.3

申请日：2024-05-16

申请人： 南京航空航天大学

发明人： 汪俊 ,  濮宬涵 ,  易程 ,  牛牧原 ,  吴翔

IPC分类号： G06T5/90 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06T5/60

摘要： 本发明涉及一种强吸光部件低光图像的复原方法，包括：采集多组同一场景的强吸光部件的图片数据，包括正常光图像和低光图像；使用多尺度特征提取和融合结构对正常光图像中的清晰度和细节进行增强；使用多残差模块堆叠结构对待恢复的低光图像的亮度和对比度进行调整；使用图像恢复模块分别处理增强清晰度和细节后的图像和增强亮度和对比度后的图像，分别得到更加清晰的恢复后的细节增强图像和亮度增强图像；使用图像融合方法将两张恢复后的图像进行融合，最终融合得到复原后的强吸光部件图像；本发明在一定程度上恢复了图像原有的清晰度，能够找回图像的细节信息，改善图像质量为进一步完成强吸光部件的检测和维护打下坚实的基础。

公开(公告)号：CN118134911A

公开(公告)日：2024-06-04

申请号：CN202410544473.1

申请日：2024-05-06

申请人： 南京航空航天大学

发明人： 张沅 ,  濮宬涵 ,  汪俊 ,  牛牧原 ,  吴翔

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06T7/73

摘要： 本发明涉及任务解耦模型驱动的低像素目标高相似度缺陷检测方法，包括：对传统目标检测网络中定位和分类并行的检测方式进行解耦，设计层级式检测框架；构建低像素目标定位网络，基于空间信息并采用混合特征融合的结构对低像素目标进行定位；构建高相似度缺陷解耦分类头，基于注意力机制，对高相似度缺陷进行分类；准备定位网络训练数据以及解耦分类头训练数据，对定位网络以及分类头分别进行训练，优化网络参数；采用先定位，后分类的层级式检测方式，对低像素目标且高相似度的缺陷进行检测。本发明通过对传统的目标检测模型中的分类与定位任务进行解耦，通过层级式检测的方式，对高相似度的低像素目标的缺陷进行定位与精确分类。

公开(公告)号：CN117808703B

公开(公告)日：2024-05-10

申请号：CN202410224098.2

申请日：2024-02-29

申请人： 南京航空航天大学

发明人： 汪俊 ,  吴翔 ,  濮宬涵 ,  李子宽 ,  张沅

IPC分类号： G06T5/70 ,  G06T7/11 ,  G06V10/25 ,  G06V10/762

摘要： 本发明涉及一种多尺度大型部件装配间隙点云滤波方法，包括：对大型部件装配间隙原始点云P进行ROI区域的分割，通过点云密度感知器提取得到点云密度#imgabs0#最小的ROI区域点云#imgabs1#，从而保留有效的点云数据；对ROI区域点云#imgabs2#进行无效点滤除与大尺度离群点滤波滤除，得到滤波后点云#imgabs3#；通过区域生长聚类的方法提取#imgabs4#所有点云的聚类，从而形成具有连续性的点云簇，并基于权重投票的方法对间隙无关点云进行分割与滤除，得到有效点云#imgabs5#，提高对间隙相关点云的准确性；通过对有效点云#imgabs6#进行小尺度点云光顺解决局部区域点云粗糙，获得最终滤波后点云#imgabs7#。本发明利用多尺度滤波的方法，实现了对点云的快速全面滤波处理。

公开(公告)号：CN114296343B

公开(公告)日：2023-10-27

申请号：CN202111351956.2

申请日：2021-11-16

申请人： 南京航空航天大学

发明人： 周文祥 ,  濮宬涵 ,  陆桑炜 ,  阮华波 ,  罗宿明 ,  彭文辉

IPC分类号： G05B13/04

摘要： 本发明公开了一种基于深度强化学习的航空发动机压缩部件特性修正方法，首先建立航空发动机部件级数学模型，计算数学模型与实际航空发动机之间的量测误差，并基于发动机非线性部件模型的压缩部件特性定义修正系数，然后采用基于价值的深度强化学习算法DQN，通过自主学习对压缩部件特性图进行修正，并计算压缩部件特性修正系数；最后对航空发动机部件级数学模型的特性曲线进行更新，实现减小输出数据的误差；本发明解决了现有部件级模型精度不高，泛化能力不强的问题，适用于发动机发生性能退化后模型的修正，对于发动机健康管理、模型自适应修正、传感器故障诊断等有积极的促进作用。

公开(公告)号：CN118279315B

公开(公告)日：2024-08-02

申请号：CN202410712416.X

申请日：2024-06-04

申请人： 南京航空航天大学

发明人： 汪俊 ,  牛牧原 ,  单忠德 ,  易程 ,  孙正 ,  濮宬涵

IPC分类号： G06T7/00 ,  G06T7/13 ,  G06V10/766

摘要： 本发明涉及一种预制体成形过程中编织纱线张力检测方法，包括：设计模拟织造过程的张力测量装置；对水平编织纱线施加一定的外力，采集此时原始纱线织造偏角图像；获取清晰低噪的织造偏角图像；提取S3中织造偏角图像的边缘纹理，并获取该图像中的斜直线特征；使用基于直线斜率计算的方法得到织造偏角的大小，并通过张力传感器记录当前的织造张力；获取多组织造偏角与其对应的张力数据后，采用多项式回归方法计算得到织造偏角与张力的回归函数；利用回归函数和织造过程中的织造偏角进行张力的计算与检测；通过测量织造偏角得到张力大小，为完成预制体成形过程中编织纱线的张力检测打下坚实的基础。极大地提高了检测精度和检测效率。

公开(公告)号：CN117576095B

公开(公告)日：2024-04-05

申请号：CN202410057204.2

申请日：2024-01-16

申请人： 南京航空航天大学

发明人： 汪俊 ,  林子煜 ,  单忠德 ,  濮宬涵 ,  蔡升堰

IPC分类号： G06T7/00 ,  G06T7/10 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明涉及一种多尺度学习任务的金属表面缺陷检测和分类方法，包括采集金属表面缺陷数据，获取金属缺陷特征图，将其输入细长部分卷积模块得到多尺度缺陷特征图，将其输入高效多尺度特征融合模块，获得高效多尺度融合特征图，构建金属表面缺陷检测网络AISDDNet，提取包含多尺度和位置的深层缺陷特征的特征图，检测出多尺度缺陷的边界框预测结果和分类结果，采用相似性和并集交集损失作为损失函数，对该模型进行训练和权重更新，得到最终的缺陷检测模型。本发明采用了专注于捕获细长和曲折的缺陷特征，采用了高效多尺度特征融合模块，提出的目标检测框架能同时提取到不同尺度的特征，适用于大部分工业场景下的金属表面跨尺度缺陷检测。

公开(公告)号：CN117094999B

公开(公告)日：2023-12-22

申请号：CN202311355310.0

申请日：2023-10-19

申请人： 南京航空航天大学

发明人： 汪俊 ,  濮宬涵 ,  高长才 ,  单忠徳

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

摘要： 本发明涉及一种跨尺度缺陷检测方法，包括:S1、采集待检测物体表面缺陷数据，并对缺陷进行分类定义；S2、对原图像中包含缺陷的数据进行特征提取，得到跨尺度缺陷边缘特征；S3、将待检测物体的原图像数据和跨尺度缺陷边缘特征输入SwinIDE‑merge网络模型，提取高维缺陷信息；S4、构建缺陷检测模型，将高维缺陷信息输出缺陷检测模型，检测出缺陷的bounding box预测结果和分类结果；S5、针对跨尺度缺陷的缺陷检测模型，采用Wasserstein距离作为损失函数，对该模型进行训练和权重更新，并得到最终的缺陷检测模型。本发明的特征提取方式采用了更少的下采样层，减少了提取过程中小缺陷的特征损(56)对比文件CN 116630802 A,2023.08.22CN 116630808 A,2023.08.22CN 116664558 A,2023.08.29CN 116703919 A,2023.09.05CN 116797906 A,2023.09.22US 2023237662 A1,2023.07.27US 2023298152 A1,2023.09.21WO 2023092813 A1,2023.06.01WO 2023129955 A1,2023.07.06WO 2023179385 A1,2023.09.28喻朝新等“.基于工业互联技术的胶料质量缺陷检测模型搭建分析”《.粘接》.2023,第50卷(第6期),第19-22页.董竞萱.“基于无人机航拍的大型飞机表面缺陷检测技术”《.中国优秀硕士学位论文全文数据库》.2023,(第2期),第C031-745页.杨涛等.“基于YOLOv5s网络改进的钢铁表面缺陷检测算法”《.机床与液压》.2023,第1-17页.赵霖等.“基于改进YOLOv5的输电线路鸟巢缺陷检测方法”《.电子测量技术》.2023,46(3),第157-165页.Bo Tang等.“An end-to-end steelsurface defect detection approach viaSwin transformer”《.IET Image Processing》.2023,第17卷(第5期),第1334-1345页.Linfeng Gao等.“Cas-VSwin transformer:A variant swin transformer for surface-defect detection”《.Computers inIndustry》.2022,第1-10页.

公开(公告)号：CN116923333A

公开(公告)日：2023-10-24

申请号：CN202310836741.2

申请日：2023-07-10

申请人： 南京航空航天大学

发明人： 汪俊 ,  吴翔 ,  濮宬涵 ,  郑日楠 ,  张沅

IPC分类号： B60S9/205 ,  G01C11/00 ,  B60B19/12

摘要： 本发明公开了一种视觉引导下的车辆对齐与调平方法及装置，包括：摄影测量模组、移动装置及厢体和可伸缩支撑腿；摄影测量模组包括活动式三脚架、双目相机和标靶，双目相机安装在基准面上；可万向移动的移动装置包括可万向移动的麦克纳姆轮、移动平台、厢体和倾角传感器；标靶通过螺纹钉固定在移动平台上，厢体设置在移动平台上，倾角传感器安装在厢体底部，移动平台通过固定式铰链与麦克纳姆轮进行连接；可伸缩支撑腿采用伺服电机驱动的多级结构设计，通过电机驱动丝杠带动支撑腿伸缩，通过调节各条支撑腿的伸长量达到旋转角度与高度的调节效果。本发明解决人工手动操作车辆对齐与调平时精度差、效率低等问题。