-
公开(公告)号：CN113344903B
公开(公告)日：2025-01-03
申请号：CN202110716109.5
申请日：2021-06-25
Applicant: 江南大学
IPC: G06T7/00 , G06T7/11 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/088 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于变分自编码器的玻璃瑕疵检测方法，属于玻璃瑕疵检测技术领域。所述方法通过VAE编码器对玻璃无瑕疵样本进行建模，可以对随机样本进行重构，得到与无瑕疵样本接近的重构图像。检测时，将有瑕疵的玻璃图像输入训练好的VAE编码解码网络生成与无瑕疵样本接近的重构图，再通过比对重构图与原图像间的差异区域确定差异的像素点，即瑕疵区域。对于得到的瑕疵区域会有噪声的干扰，本发明通过投影法与MAD方法结合的方式减少噪声干扰，对于VAE模型生成过程中存在的噪声，通过投影法和MAD方法结合将非目标区域去除，提升分割准确率。
-
Patent Agency Ranking
公开(公告)号：CN110935644B
公开(公告)日：2020-12-29
申请号：CN201911379291.9
申请日：2019-12-27
Applicant: 江南大学
Abstract: 本发明公开了一种基于机器视觉的轴承滚针尺寸检测系统及方法，采用单个低成本的2D相机采集图像，工业相机进行采集图像，采集得到的图像保存到工控机上，工控机对图像进行处理，处理后的图像使用水平和垂直投影法去除背景干扰，对提取出的ROI区域进行角度修正，对ROI图像采用阈值分割的方法将图像转化为二值图像并进行填充，确保滚针轮廓内部颜色为白色；对处理后的图像进行轮廓提取，根据相机视野范围和图像像素的比例关系，计算出滚针的检测尺寸，尺寸判断为合格的滚针随着传动皮带到达收纳箱，判断不合格的滚针，工控机给PLC发出剔除信号，并通过PLC控制剔除机构剔除滚针；对流水线上运动的滚针进行实时检测和剔除。
-
公开(公告)号：CN113344903A
公开(公告)日：2021-09-03
申请号：CN202110716109.5
申请日：2021-06-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于变分自编码器的玻璃瑕疵检测方法，属于玻璃瑕疵检测技术领域。所述方法通过VAE编码器对玻璃无瑕疵样本进行建模，可以对随机样本进行重构，得到与无瑕疵样本接近的重构图像。检测时，将有瑕疵的玻璃图像输入训练好的VAE编码解码网络生成与无瑕疵样本接近的重构图，再通过比对重构图与原图像间的差异区域确定差异的像素点，即瑕疵区域。对于得到的瑕疵区域会有噪声的干扰，本发明通过投影法与MAD方法结合的方式减少噪声干扰，对于VAE模型生成过程中存在的噪声，通过投影法和MAD方法结合将非目标区域去除，提升分割准确率。
-
公开(公告)号：CN111709907A
公开(公告)日：2020-09-25
申请号：CN202010339971.4
申请日：2020-04-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于One-Class深度支持向量描述的布匹疵点检测方法，在半监督的条件下，利用深度卷积神经网络的优势，提取出图像有效的深度特征，通过训练，在高维空间中映射出可以准确描述正常样本点超球体模型。实现了端到端的布匹瑕疵检测。通过训练得到的网络参数和超球体半径即可完整地描述出测试样本与超球体的关系，实现瑕疵的判别。解决了以往模型中内存占用大，检测速度慢，限定瑕疵种类等问题。
-
公开(公告)号：CN110935644A
公开(公告)日：2020-03-31
申请号：CN201911379291.9
申请日：2019-12-27
Applicant: 江南大学
Abstract: 本发明公开了一种基于机器视觉的轴承滚针尺寸检测系统及方法，采用单个低成本的2D相机采集图像，工业相机进行采集图像，采集得到的图像保存到工控机上，工控机对图像进行处理，处理后的图像使用水平和垂直投影法去除背景干扰，对提取出的ROI区域进行角度修正，对ROI图像采用阈值分割的方法将图像转化为二值图像并进行填充，确保滚针轮廓内部颜色为白色；对处理后的图像进行轮廓提取，根据相机视野范围和图像像素的比例关系，计算出滚针的检测尺寸，尺寸判断为合格的滚针随着传动皮带到达收纳箱，判断不合格的滚针，工控机给PLC发出剔除信号，并通过PLC控制剔除机构剔除滚针；对流水线上运动的滚针进行实时检测和剔除。
-
公开(公告)号：CN111709907B
公开(公告)日：2023-06-20
申请号：CN202010339971.4
申请日：2020-04-26
Applicant: 江南大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/82 , G01N21/88 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于One‑Class深度支持向量描述的布匹疵点检测方法，在半监督的条件下，利用深度卷积神经网络的优势，提取出图像有效的深度特征，通过训练，在高维空间中映射出可以准确描述正常样本点超球体模型。实现了端到端的布匹瑕疵检测。通过训练得到的网络参数和超球体半径即可完整地描述出测试样本与超球体的关系，实现瑕疵的判别。解决了以往模型中内存占用大，检测速度慢，限定瑕疵种类等问题。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
