-
公开(公告)号：CN217130836U
公开(公告)日：2022-08-05
申请号：CN202221088272.8
申请日：2022-05-09
申请人： 合肥工业大学智能制造技术研究院 , 安徽开发矿业有限公司
摘要： 本申请涉及一种井下监控巡查装置，包括横板和无线摄像机，所述横板上开设有通槽，所述通槽内穿过有T形板，所述T形板的一侧面上连接有移动板，所述移动板上可移动的设置有移动块，所述移动块远离横板的一侧面上可转动的连接有第一转杆，所述第一转杆远离移动块的一端上安装哟偶安装盘，所述无线摄像机设置在安装盘上，利用T形板在横板上的来回移动，可带动无线摄像机在井下对不同的位置进行监控巡查工作，减少了无线摄像机的安装数量，降低了监控巡查成本。
-
公开(公告)号：CN113298181A
公开(公告)日：2021-08-24
申请号：CN202110666479.2
申请日：2021-06-16
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
摘要： 本发明公开了一种基于密集连接的Yolov3网络的井下管道异常目标识别方法，通过改进的密集连接Yolov3网络进行样本处理，确定管道检测点位置，再对检测点对象分类，结果进行三维度映射输出。其中改进Yolov3网络具体处理过程大致如下，先将输入图像进行多特征层的提取，本发明采用密集串联网络进行特征提取。对图像进行卷积，上采样，特征拼接，及用于输出预测结果。预测结果解码得出边界框坐标，确定管道检测点边界的位置，再对选出的边框按照得分进行筛选，确定故障识别位置。本发明的优点是采用改进的Yolov3网络对井下管道巡检图像进行处理，有效的提升了检测准确度，一定程度上保障了检测实时性，提高特征提取能力。
-
公开(公告)号：CN114119361A
公开(公告)日：2022-03-01
申请号：CN202110896933.3
申请日：2021-08-05
申请人： 合肥工业大学智能制造技术研究院
摘要： 本发明提供的基于TESRGAN网络的超分辨率重构井下图像方法，该方法包括将在井下相对恶劣环境下收集到的低分辨率图片输入TESRGAN网络中，先经过生成网络通过特征提取和提高分辨率，即通过残差模型进行非线性映射，再通过上层采样层和卷积层，得到根据真实图像数据重构生成的高分辨率图像数据，再通过同时将真实数据与生成的数据输入TESRGAN网络判别网络，由判别网络分辨生成数据和真实数据，获取两种图像特征，通过特征向量的比较获得LOSS值，将结果反馈给生成网络，完成生成对抗的学习过程，不断优化生成网络的分辨率重构能力，最后得到超分辨率的重构井下图像。重构之后作为目标域数据经过迁移学习得出诊断结果。
-
公开(公告)号：CN114119361B
公开(公告)日：2024-06-14
申请号：CN202110896933.3
申请日：2021-08-05
申请人： 合肥工业大学智能制造技术研究院
IPC分类号： G06T3/4053 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/096
摘要： 本发明提供的基于TESRGAN网络的超分辨率重构井下图像方法，该方法包括将在井下相对恶劣环境下收集到的低分辨率图片输入TESRGAN网络中，先经过生成网络通过特征提取和提高分辨率，即通过残差模型进行非线性映射，再通过上层采样层和卷积层，得到根据真实图像数据重构生成的高分辨率图像数据，再通过同时将真实数据与生成的数据输入TESRGAN网络判别网络，由判别网络分辨生成数据和真实数据，获取两种图像特征，通过特征向量的比较获得LOSS值，将结果反馈给生成网络，完成生成对抗的学习过程，不断优化生成网络的分辨率重构能力，最后得到超分辨率的重构井下图像。重构之后作为目标域数据经过迁移学习得出诊断结果。
-
-
-
搜索结果
4 条记录 (耗时 0.042 秒)