公开(公告)号：CN115049635A

公开(公告)日：2022-09-13

申请号：CN202210796619.2

申请日：2022-07-06

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学

发明人： 李敏 ,  张丽平 ,  韩德隆 ,  周鸣乐 ,  刘一鸣

IPC分类号： G06T7/00 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

摘要： 本发明提供了一种基于Faster RCNN改进的芯片缺陷检测方法，涉及工业目标检测领域，该方法包括：对数据集进行预处理，采集训练样本集，把样本集导入Faster RCNN，通过特征提取网络对图像样本集进行特征提取，将提取到的特征输入到RPN模块进行训练生成建议框，通过样本集训练和微调得到Faster RCNN模型，使用Faster RCNN模块保存的训练参数对待检测芯片图像进行芯片缺陷检测；该样本集是使用公共合成PCB（印刷电路板）数据集训练所得出的模型，改进了特征提取网络，并使用权重自适应器进行加强学习，在一定程度上提高了检测速度和准确率，使得该发明具有更高的灵活性和识别精度，在电子信息产业中具有更好的实用价值和应用前景。

公开(公告)号：CN115424282A

公开(公告)日：2022-12-02

申请号：CN202211188303.1

申请日：2022-09-28

申请人： 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学

发明人： 李敏 ,  张丽平 ,  周鸣乐 ,  韩德隆 ,  刘一鸣

IPC分类号： G06V30/413 ,  G06V30/18 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

摘要： 本发明提供了一种非结构化文本（包括所有格式的办公文档、文本、图片、各种报表和图像等）表格识别方法，涉及文本识别领域，该方法包括：采集数据集，首先把非结构化文本转化为图像类集合，然后对集合进行图像预处理，把图像集合作为数据集导入模型，对图像数据集的信息进行分析，检测出表格区域，把图像转换成序列，进行表格结构序列预测，检测出表格行结构，进行表格行识别，表格行单元格识别后，识别结果经过后处理，融合表格行结构和单元格文本内容，最终通过文本框和单元格内容进行匹配得到Excel形式的表格识别数据。该方法通过特征学习训练了模型，实现了非结构化文本数据信息的智能提取，有利于非结构化文本数据的进一步分析和实际应用，极大地节省了人力成本提高了工作效率，在一定程度上提高了表格检测速度和准确率，使用本发明所述的方法和系统，可以通过转化进行非结构化文本内容的分析和信息的识别提取，使得非结构化文本在各行各业中具有更好的实用价值和应用。