-
公开(公告)号：CN111079815A
公开(公告)日：2020-04-28
申请号：CN201911262904.0
申请日：2019-12-11
Applicant: 常州大学
Abstract: 本发明提供一种面向废线路板拆解的高值电子器件自动识别方法，主要包括以下几个步骤：1)采集、标注线路板电子器件图片搭建训练和验证图像数据集；2)建立识别电子器件的深度学习网络；3)利用1)中制作的图像数据集训练2)中搭建好的深度学习网络，并通过网络训练来实现电子器件的识别，再综合考虑实际检测需求将检测到的目标从位置回归框中单独提取出来通过传统的图像处理算法对该目标进行精确定位。该电子器件识别定位方法充分发挥了深度学习的优势，相比于现有的识别定位方法不仅对环境变化鲁棒性好，针对不同背景场合可移植性强，还弥补了SVM方法需要采用大量数据训练的缺点。
-
公开(公告)号：CN113554604B
公开(公告)日：2024-02-02
申请号：CN202110747626.9
申请日：2021-07-01
Applicant: 常州大学
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种基于机器视觉的熔喷布缺陷区域检测方法，包括以下步骤：S1：通过Kmeans聚类得到二值化阈值大小；S2：粗定位图像中对应熔喷布缺陷的可能区域，熔喷布缺陷包括过厚、过薄、破损、褶皱、污渍区域；S3：对粗定位后的图像进行逐级网格划分；S4：基于网格划分结果对缺陷区域进行关联性处理；S5：通过计算关联性值对熔喷布缺陷区域完成精准定位。本发明能够实现对熔喷布缺陷位置的精准定位，同时能保证检测的精度和速度。(56)对比文件李长春;胡炜;顾寄南;戴国洪.上下料机器人视觉测量系统关键技术的研究.机床与液压.2018,(第15期),全文.郭慧;王霄;刘传泽;周玉成.基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法.林业科学.2018,(第011期),全文.路云浩;杨萌伟;张铫;傅致远;周贺.基于机器视觉的PET瓶口快速缺陷检测.组合机床与自动化加工技术.2020,(第001期),全文.
-
公开(公告)号：CN111046622A
公开(公告)日：2020-04-21
申请号：CN201911220010.5
申请日：2019-12-03
Applicant: 常州大学
IPC: G06F30/39
Abstract: 本发明提供一种面向电子封装的围坝打印结构尺寸预测方法，在围坝打印过程中，首先通过调节打印工艺参数进行挤出可成形性试验，确保打印材料能以丝状形式连续挤出，然后结合打印设计的工艺需求，通过相关打印控制软件输入参数，包括喷管入口压力、喷管运动速度和喷管离基板界面的高度等；最后将以上所有参数代入本发明所提供的计算模型，可实时计算出已打印的当前围坝结构的高度及内、外围面积尺寸，可为围坝打印结构的尺寸控制提供预测模型和参考依据。
-
公开(公告)号：CN113592811B
公开(公告)日：2023-08-22
申请号：CN202110862057.2
申请日：2021-07-29
Applicant: 常州大学
IPC: G06T7/00 , G06T7/60 , G01B11/06 , G06V10/762 , G06V10/28 , G06V10/44 , G06V10/25 , G06V10/764
Abstract: 本发明涉及织物检测技术领域，涉及一种基于图像处理的熔喷布厚度一致性检测方法，包括以下步骤：S1、粗定位图像中对应熔喷布过厚或过薄的可能区域；S2、精定位图像中对应熔喷布过厚或过薄的区域；S3、基于精定位结果找出熔喷布过厚或过薄区域的轮廓。本发明通过DBSCAN聚类算法对图像进行分析，利用聚类评估系数，自动选取一组最优的邻域参数解，实现了自动化的要求，检测方法简单，可以快速检测出熔喷布的厚度一致性。
-
公开(公告)号：CN113592811A
公开(公告)日：2021-11-02
申请号：CN202110862057.2
申请日：2021-07-29
Applicant: 常州大学
Abstract: 本发明涉及织物检测技术领域，涉及一种基于图像处理的熔喷布厚度一致性检测方法，包括以下步骤：S1、粗定位图像中对应熔喷布过厚或过薄的可能区域；S2、精定位图像中对应熔喷布过厚或过薄的区域；S3、基于精定位结果找出熔喷布过厚或过薄区域的轮廓。本发明通过DBSCAN聚类算法对图像进行分析，利用聚类评估系数，自动选取一组最优的邻域参数解，实现了自动化的要求，检测方法简单，可以快速检测出熔喷布的厚度一致性。
-
Patent Agency Ranking
公开(公告)号：CN113554605A
公开(公告)日：2021-10-26
申请号：CN202110777751.4
申请日：2021-07-07
Applicant: 常州大学
IPC: G06T7/00
Abstract: 本发明涉及织物检测技术领域，涉及一种基于特征匹配的织物异常区域检测方法，包括以下步骤：S1、织物图像特征提取；S2、织物图像异常判别；通过距离度量公式为L2和余弦相似性的结合，给出异常判别分数为D；S3：织物异常区域定位；将粗略异常像素分数图p进行高斯模糊消除干扰点从而得到异常像素分数图p'，给定阈值τ2，若p'中像素点的分数值小于τ2，则标记该像素点为正常像素点，若p'中像素点的分数值大于τ2，则标记该像素点为异常像素点。本发明通过距离度量与余弦相似性相结合，解决织物异常判别准确性低的问题；将粗略异常像素分数图进行高斯模糊消除干扰点得到异常像素分数图，通过阈值比较，解决织物异常定位准确性低的问题。
-
公开(公告)号：CN113393524A
公开(公告)日：2021-09-14
申请号：CN202110676959.7
申请日：2021-06-18
Applicant: 常州大学
Abstract: 本发明涉及目标位姿估计技术领域，涉及一种结合深度学习和轮廓点云重建的目标位姿估计方法，包括以下步骤：S1、对双目视觉系统进行标定并立体校正；S2、使用训练得到的目标检测网络模型识别出左、右摄像机图像中的目标，并得到目标的边界区域；S3、对左右摄像机图像中检测的目标的边界区域使用LSD算法进行直线段检测；S4、结合深度学习目标检测网络的输出和多约束的方法对直线段进行匹配；S5、重建目标的轮廓点云；S6、对目标进行位姿估计。本发明通过左右摄像机，利用YOLOv4深度学习算法并结合轮廓点云重建，立体匹配的计算时间短，同时计算量小，同时普通摄像机成本大大降低。
-
公开(公告)号：CN113554605B
公开(公告)日：2023-09-26
申请号：CN202110777751.4
申请日：2021-07-07
Applicant: 常州大学
IPC: G06T7/00
Abstract: 本发明涉及织物检测技术领域，涉及一种基于特征匹配的织物异常区域检测方法，包括以下步骤：S1、织物图像特征提取；S2、织物图像异常判别；通过距离度量公式为L2和余弦相似性的结合，给出异常判别分数为D；S3：织物异常区域定位；将粗略异常像素分数图p进行高斯模糊消除干扰点从而得到异常像素分数图p'，给定阈值τ2，若p'中像素点的分数值小于τ2，则标记该像素点为正常像素点，若p'中像素点的分数值大于τ2，则标记该像素点为异常像素点。本发明通过距离度量与余弦相似性相结合，解决织物异常判别准确性低的问题；将粗略异常像素分数图进行高斯模糊消除干扰点得到异常像素分数图，通过阈值比较，解决织物异常定位准确性低的问题。
-
公开(公告)号：CN113393524B
公开(公告)日：2023-09-26
申请号：CN202110676959.7
申请日：2021-06-18
Applicant: 常州大学
IPC: G06T7/73 , G06T7/13 , G06T7/80 , G06N3/0464
Abstract: 本发明涉及目标位姿估计技术领域，涉及一种结合深度学习和轮廓点云重建的目标位姿估计方法，包括以下步骤：S1、对双目视觉系统进行标定并立体校正；S2、使用训练得到的目标检测网络模型识别出左、右摄像机图像中的目标，并得到目标的边界区域；S3、对左右摄像机图像中检测的目标的边界区域使用LSD算法进行直线段检测；S4、结合深度学习目标检测网络的输出和多约束的方法对直线段进行匹配；S5、重建目标的轮廓点云；S6、对目标进行位姿估计。本发明通过左右摄像机，利用YOLOv4深度学习算法并结合轮廓点云重建，立体匹配的计算时间短，同时计算量小，同时普通摄像机成本大大降低。
-
公开(公告)号：CN111079815B
公开(公告)日：2023-05-26
申请号：CN201911262904.0
申请日：2019-12-11
Applicant: 常州大学
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种面向废线路板拆解的高值电子器件自动识别方法，主要包括以下几个步骤：1)采集、标注线路板电子器件图片搭建训练和验证图像数据集；2)建立识别电子器件的深度学习网络；3)利用1)中制作的图像数据集训练2)中搭建好的深度学习网络，并通过网络训练来实现电子器件的识别，再综合考虑实际检测需求将检测到的目标从位置回归框中单独提取出来通过传统的图像处理算法对该目标进行精确定位。该电子器件识别定位方法充分发挥了深度学习的优势，相比于现有的识别定位方法不仅对环境变化鲁棒性好，针对不同背景场合可移植性强，还弥补了SVM方法需要采用大量数据训练的缺点。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
