-
Patent Agency Ranking
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：CN110969612B
公开(公告)日：2023-03-21
申请号：CN201911224979.X
申请日：2019-12-04
Applicant: 常州大学
Abstract: 本发明提供一种二维码印刷缺陷检测方法，主要流程包括：通过鼠标设置ROI界定图像获取区，并对所获取的图像进行预处理并阈值自适应二值化，后首先检测二维码定位符，若定位符个数、相互间位置关系不满足条件，则认为该二维码定位符缺失/缺损/污染或二维码外轮廓有变形，在此基础上，进一步检测二维码轮廓缺损及黑/白道痕缺陷。若过程中检测出某类缺陷，则可根据需要终止检测过程，判定当前二维码存在缺陷，以提高检测效率。
-
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：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。
-
公开(公告)号：CN110969612A
公开(公告)日：2020-04-07
申请号：CN201911224979.X
申请日：2019-12-04
Applicant: 常州大学
Abstract: 本发明提供一种二维码印刷缺陷检测方法，主要流程包括：通过鼠标设置ROI界定图像获取区，并对所获取的图像进行预处理并阈值自适应二值化，后首先检测二维码定位符，若定位符个数、相互间位置关系不满足条件，则认为该二维码定位符缺失/缺损/污染或二维码外轮廓有变形，在此基础上，进一步检测二维码轮廓缺损及黑/白道痕缺陷。若过程中检测出某类缺陷，则可根据需要终止检测过程，判定当前二维码存在缺陷，以提高检测效率。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
