公开(公告)号：CN119832278A

公开(公告)日：2025-04-15

申请号：CN202510023729.9

申请日：2025-01-07

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  张轩上 ,  李春广 ,  邹瑞凯

IPC: G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于相似特征注意的图像特征相似性计算方法及系统，属于特征分类领域。为解决现有相似度计算不适用于轴承表面缺陷分类这种少样本情况，且存在背景信息干扰，影响计算结果问题。本发明利用支持集与查询集的相关性，设计相似特征注意模块，获取支持集的类原型中心、查询集两者之间的共同相似特征区域，比较两者之间的相似度得分，避免背景信息的干扰；设计自适应度量网络，对查询集相似特征进行类别预测，对查询集相似特征与每个类原型相似特征的相似度得分进行类别预测，最后计算二者的类别损失，通过类原型与查询集之间的相似度计算，确定两者之间的相似特征区域，相比于固定度量距离函数具有更好的泛化性。

公开(公告)号：CN119832267A

公开(公告)日：2025-04-15

申请号：CN202510023727.X

申请日：2025-01-07

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  张轩上 ,  李春广 ,  邹瑞凯

IPC: G06V10/44 ,  G06V10/42 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种小样本轴承表面缺陷的局部特征提取方法及系统，属于特征提取技术领域。为了解决普遍存在样本量小的轴承表面缺陷特征提取过程中出现特征提取不足，且提取精度差的问题。本发明的局部特征提取的设计是在全局特征的基础上进一步提取到局部特征信息，对该特征进行更加详细的特征表示。对比现有的小样本图像分类方法，在公开数据集和自制轴承缺陷数据集上均取得一定程度的提升。同时，本发明首次应用小样本学习方法解决轴承表面缺陷分类任务，解决了少样本轴承表面缺陷分类这一具有挑战性的任务，克服了有限的数据可用性，为数据稀缺或难以获取的分类任务提供了创新方法。

公开(公告)号：CN119832334A

公开(公告)日：2025-04-15

申请号：CN202510032990.5

申请日：2025-01-09

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  李春广 ,  荣浩天

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/774 ,  G06V10/40 ,  G06N3/045 ,  G06N3/047 ,  G06V10/82

Abstract: 本发明属于发动机缸盖缺陷检测领域，公开了基于多模态大模型的缸盖表面缺陷检测方法及系统，方法包括：采集气缸图片，对气缸图片进行预处理；根据预处理后的气缸图片，构建用于多模态大模型微调的数据集；使用构建的数据集微调多模态大模型；利用微调后的多模态大模型对缸盖表面缺陷进行检测。本发明实现了对缸盖表面缺陷种类的高精度检测。

公开(公告)号：CN119832332A

公开(公告)日：2025-04-15

申请号：CN202510023730.1

申请日：2025-01-07

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  张轩上 ,  李春广 ,  邹瑞凯

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/74 ,  G06V10/42 ,  G06V10/44 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于特征增强的小样本轴承表面缺陷分类方法及系统，属于轴承表面缺陷分类领域。为解决传统图像处理方法鲁棒性差、自适应性弱；深度学习方法需要大量数据进行训练的问题。本发明设计全局与局部特征融合层，全局特征由特征嵌入网络层获取，在此基础上设计局部特征提取层，该层计算全局特征上每个区域与其邻域的相关矩阵，同时在通道和空间方向上融合相关矩阵获得局部特征信息，以丰富增强细节特征；此外，设计相似特征注意层，计算不同类原型中心与不同查询集之间的余弦相似性辅助获取到两者之间的相似区域，并赋予较高的权重，通过比较查询集和类原型中心之间的相似区域进行分类，有效克服图像背景与噪声对分类结果的影响。