-
公开(公告)号：CN115984584B
公开(公告)日：2023-07-07
申请号：CN202310266824.2
申请日：2023-03-20
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司
IPC分类号： G06V10/56 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于交替图像注意力机制的油罐商标颜色纯正检测方法，涉及图像检测领域，旨在解决现有技术中准确率低的问题，采用的技术方案是，包括先采集正常颜色图像，再得到异常颜色商标图像；建立ViT网络模型；处理图像并构建数据集；通过ViT网络模型对油罐商标图像进行训练，并进行实际测试后投入使用、及时更新；本技术方案的网络模型可以随时更新不会打断流水线的生产，也无需大量的人工标记训练数据，降低了网络的搭建成本；提出的融合了局部‑全局注意力相互交替模块提高了准确率，降低了计算量以及复杂度，加强了对于背景颜色的抗干扰性，能够在工业生产环境中取得较好的结果。
-
公开(公告)号：CN116071566A
公开(公告)日：2023-05-05
申请号：CN202310286670.3
申请日：2023-03-23
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司
摘要： 本发明公开了一种基于网格流去噪和多尺度目标网络的钢桶轨迹检测方法，涉及钢桶运输轨迹领域，旨在解决现有技术中人工成本高、图像去噪不佳的问题，采用的技术方案是，通过摄像头获取钢桶运输轨迹视频；将获取的视频利用网格流运动网络模型进行去噪处理；将获得的去噪后的视频输入到已经训练完成的多尺度目标检测网络中，得到钢桶运输轨迹是否正常的判断；通过采集不同背景下钢桶图像，对其进行运输轨迹检测，根据检测结果来监测钢桶运输情况。相比采用人工的方式节省了大量的人力、物力和财力。基于网格流运动网络可以有效地对视频噪声进行去除，而训练完成的多尺度目标检测网络可以提高钢桶运输轨迹的检测效率。
-
公开(公告)号：CN118038172A
公开(公告)日：2024-05-14
申请号：CN202410273181.9
申请日：2024-03-11
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司 , 广东华田电器有限公司 , 茂名绿色化工研究院
IPC分类号： G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/40 , G06V10/44 , G06T7/00 , G06N3/0495 , G06N3/082 , G06N3/084
摘要： 本发明属于图像处理技术领域，公开了一种基于特征增强和深度网络的温控器质量检测方法及系统，收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；优化YOLOv8检测算法，构建温控器质量检测模型；将采集的状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；将采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。
-
公开(公告)号：CN115980070B
公开(公告)日：2023-07-14
申请号：CN202310250717.0
申请日：2023-03-16
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司
IPC分类号： G01N21/88 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
摘要： 本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。
-
公开(公告)号：CN115980070A
公开(公告)日：2023-04-18
申请号：CN202310250717.0
申请日：2023-03-16
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司
IPC分类号： G01N21/88 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
摘要： 本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。
-
公开(公告)号：CN118038172B
公开(公告)日：2024-08-13
申请号：CN202410273181.9
申请日：2024-03-11
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司 , 广东华田电器有限公司 , 茂名绿色化工研究院
IPC分类号： G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/40 , G06V10/44 , G06T7/00 , G06N3/0495 , G06N3/082 , G06N3/084
摘要： 本发明属于图像处理技术领域，公开了一种基于特征增强和深度网络的温控器质量检测方法及系统，收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；优化YOLOv8检测算法，构建温控器质量检测模型；将采集的状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；将采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。
-
公开(公告)号：CN118037696B
公开(公告)日：2024-07-30
申请号：CN202410273178.7
申请日：2024-03-11
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司 , 广东华田电器有限公司 , 茂名绿色化工研究院
IPC分类号： G06T7/00 , G06T7/13 , G06T7/181 , G06T3/04 , G06T7/246 , G06T7/60 , G06T7/62 , G06V10/764 , G06N3/0464 , G06N3/084
摘要： 本发明属于计算机视觉技术领域，公开了一种基于边缘检测和S3N网络的沙粒检测与目数分类方法及系统，利用工业相机对沙粒进行最初的图像采集；通过对所采集的图像源进行灰度化处理后，再通过二值化分割，以确定每一粒沙粒的边缘像素点；进行高精度匹配，以便进一步准确定位、匹配特征点；最后使用S3N网络(选择性稀疏采样网络)对沙粒粗细进行目数分类。本技术方案的检测技术能快速准确地检测出产品的边缘信息，避免了传统人工检测速度慢、易出错的缺点，从而提高了生产效率；同时采用选择性稀疏采样网络进行目数分类，能够提高分类的准确度，更加规范生产管理和操作流程。本发明具有很好的实用性和扩展性，对沙粒目数分类具有一定的意义。
-
公开(公告)号：CN118037696A
公开(公告)日：2024-05-14
申请号：CN202410273178.7
申请日：2024-03-11
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司 , 广东华田电器有限公司 , 茂名绿色化工研究院
IPC分类号： G06T7/00 , G06T7/13 , G06T7/181 , G06T3/04 , G06T7/246 , G06T7/60 , G06T7/62 , G06V10/764 , G06N3/0464 , G06N3/084
摘要： 本发明属于计算机视觉技术领域，公开了一种基于边缘检测和S3N网络的沙粒检测与目数分类方法及系统，利用工业相机对沙粒进行最初的图像采集；通过对所采集的图像源进行灰度化处理后，再通过二值化分割，以确定每一粒沙粒的边缘像素点；进行高精度匹配，以便进一步准确定位、匹配特征点；最后使用S3N网络(选择性稀疏采样网络)对沙粒粗细进行目数分类。本技术方案的检测技术能快速准确地检测出产品的边缘信息，避免了传统人工检测速度慢、易出错的缺点，从而提高了生产效率；同时采用选择性稀疏采样网络进行目数分类，能够提高分类的准确度，更加规范生产管理和操作流程。本发明具有很好的实用性和扩展性，对沙粒目数分类具有一定的意义。
-
公开(公告)号：CN115984584A
公开(公告)日：2023-04-18
申请号：CN202310266824.2
申请日：2023-03-20
申请人： 广东石油化工学院 , 茂名华检实验科技有限公司
IPC分类号： G06V10/56 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于交替图像注意力机制的油罐商标颜色纯正检测方法，涉及图像检测领域，旨在解决现有技术中准确率低的问题，采用的技术方案是，包括先采集正常颜色图像，再得到异常颜色商标图像；建立ViT网络模型；处理图像并构建数据集；通过ViT网络模型对油罐商标图像进行训练，并进行实际测试后投入使用、及时更新；本技术方案的网络模型可以随时更新不会打断流水线的生产，也无需大量的人工标记训练数据，降低了网络的搭建成本；提出的融合了局部‑全局注意力相互交替模块提高了准确率，降低了计算量以及复杂度，加强了对于背景颜色的抗干扰性，能够在工业生产环境中取得较好的结果。
-
公开(公告)号：CN118916666A
公开(公告)日：2024-11-08
申请号：CN202410918342.5
申请日：2024-07-10
申请人： 广东石油化工学院
IPC分类号： G06F18/213 , G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/084
摘要： 本发明提供一种基于统计约束的SMOTE和自步残差的故障诊断方法，该方法包括：基于SMOTE算法根据样本机组的不平衡数据集得到生成样本数据，根据生成样本数据的统计特征对生成样本数据进行筛选得到平衡数据集；基于残差网络得到平衡数据集对应的故障类别预测标签，确定故障类别预测标签与故障类别真实标签的损失值；基于动态自步函数对损失值进行更新得到目标函数，并对目标函数进行优化，使用优化后的目标函数对残差网络进行训练；将目标机组的运行数据输入训练后的残差网络中，得到残差网络输出的目标机组的故障类别预测标签。本发明提升训练样本的质量和模型对少数类别样本的特征学习能力，从而提高对少数类样本的故障识别精度。
-
-
-
-
-
-
-
-
-
搜索结果
54 条记录 (耗时 0.045 秒)
