-
公开(公告)号：CN110517210A
公开(公告)日：2019-11-29
申请号：CN201910608523.7
申请日：2019-07-08
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明提供一种焊接区域多曝光图像采集装置与图像信息融合方法，该方法用于图像融合，完整表达焊区特征，首先将多曝光图像分别进行X方向与Y方向上的梯度计算，然后分别融合所有X方向与Y方向梯度幅值最大的梯度，以融合出完全表达所有曝光序列图像信息的梯度图，接着通过Haar小波梯度重建算法重构出融合图像，最后经过类Gamma校正与自适应直方图均衡化，得到最终融合图像，通过图像能够清晰的看到比任何一张多曝光源图像更清晰更丰富的细节信息，说明了梯度信息融合重建图像在细节保留方面具有的优势，而且已经基本上消除了熔池区域强烈的弧光影响，也消除了极暗与极亮的区域，能够很清晰的观察到焊枪、焊丝、熔池、结构光等信息，有助于进一步的特征提取与处理。
-
公开(公告)号：CN110405385A
公开(公告)日：2019-11-05
申请号：CN201910607583.7
申请日：2019-07-06
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明提供了一种焊接区域多曝光图像采集装置，包括装置主体10，所述装置主体10上设有底座12、固定板11，所述固定板11的一端与所述装置主体10固定连接，所述固定板11的另一端与旋转调节装置20连接，所述旋转调节装置20与壳体30连接在一起，所述壳体30内部设有相机33，所述壳体30通过壳体支架31与焊枪40以及激光柱50出于同一个平面内，所述激光柱50通过调节支撑臂60与装置主体10活动连接。
-
公开(公告)号：CN105458462B
公开(公告)日：2017-08-29
申请号：CN201510967977.5
申请日：2015-12-22
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明公开了一种变间隙梯形焊缝多参数同步视觉检测跟踪方法，该方法利用二维焊缝图像得到焊缝三维的位置信息以及焊缝间隙，使得图像特征的变化和焊枪运动之间存在线性关系，根据智能相机传感器采集的单帧图像，提取出图像特征点，由特征点计算出焊枪在三维空间的位置坐标和焊缝间隙，在跟踪过程中，视觉系统将计算得到的三维坐标信息和焊缝间隙通过通信线传输给控制系统，控制系统寻找焊缝初始点，之后实时跟踪焊缝，视觉系统识别焊缝终止点后，将焊缝终止点传给控制系统后，焊接结束。此方法可实现焊枪在三维空间焊点的准确定位，并且在实时焊接过程中对较大的焊缝间隙进行摆动焊接，摆动频率由焊缝间隙大小决定。
-
公开(公告)号：CN110473806A
公开(公告)日：2019-11-19
申请号：CN201910632273.0
申请日：2019-07-13
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明提供的光伏电池视觉分拣的深度学习识别与控制方法，将基于深度学习的缺陷分类和检测方法与工业制造过程一体化，具有较高的智能性。本装置用深度学习来代替传统学习方法，具有较强的特征提取能力，尤其对于当背景干扰严重，传统方法难以识别出缺陷时。此外深度学习识别与控制装置能自动进行缺陷特征提取，提高处理速度，降低人工依赖性。
-
公开(公告)号：CN110610475A
公开(公告)日：2019-12-24
申请号：CN201910607197.8
申请日：2019-07-07
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明为一种具有结构解耦功能深度卷积神经网络的视觉缺陷检测方法，该方法用于光伏电池片表面缺陷检测，创造性的通过将SEF的结构解耦功能集成到CNN中，同时保留公共卷积层的特征提取能力，加强了模型对复杂裂纹缺陷特征的提取的有效性和准确性，实现了特征与背景的去耦合；对比于VGG16和GO-CNN表面缺陷检测方法，设计的结构解耦神经网络模型在三个指标(精度、召回率、F-测度)上都提升3％左右，而且可以有效的解决电池片表面背景纹理复杂、裂纹缺陷特征多样、形状随机的问题，缺陷识别的准确率达到99％。
-
-
公开(公告)号：CN106645190A
公开(公告)日：2017-05-10
申请号：CN201710046210.8
申请日：2017-01-20
申请人： 河北工业大学 , 天津爱普杰科技有限公司
IPC分类号： G01N21/89
CPC分类号： G01N21/89 , G01N2021/8918
摘要： 本发明涉及基于模板匹配的带钢表面缺陷精准检测方法，包括如下步骤：步骤1，统计非缺陷分布；步骤2，读取图像；步骤3，重构图像：将待检测图像I0中的像素值按照每一列升序或降序排列，得到重构图像I1；步骤4，建立匹配模板C：根据步骤1拟合得到的高斯曲线构建一个与待检测图像I0大小相等的矩阵，该矩阵即为匹配模板C；步骤5，图像差分：将匹配模板C与重构图像I1的每一点的像素值进行差分运算，得到差分图像I2，并将差分图像I2中的各像素值按照待检测图像I0中的位置进行重排，得到重排图像I3；步骤6，缺陷定位：利用正向分割阈值TH及负向分割阈值‑(TH+D)对重排图像I3进行二值化，实现了缺陷的准确定位。
-
公开(公告)号：CN110610475B
公开(公告)日：2021-09-03
申请号：CN201910607197.8
申请日：2019-07-07
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明为一种具有结构解耦功能深度卷积神经网络的视觉缺陷检测方法，该方法用于光伏电池片表面缺陷检测，创造性的通过将SEF的结构解耦功能集成到CNN中，同时保留公共卷积层的特征提取能力，加强了模型对复杂裂纹缺陷特征的提取的有效性和准确性，实现了特征与背景的去耦合；对比于VGG16和GO‑CNN表面缺陷检测方法，设计的结构解耦神经网络模型在三个指标(精度、召回率、F‑测度)上都提升3％左右，而且可以有效的解决电池片表面背景纹理复杂、裂纹缺陷特征多样、形状随机的问题，缺陷识别的准确率达到99％。
-
公开(公告)号：CN110517210B
公开(公告)日：2021-09-03
申请号：CN201910608523.7
申请日：2019-07-08
申请人： 河北工业大学 , 天津爱普杰科技有限公司
摘要： 本发明提供一种焊接区域多曝光图像采集装置与图像信息融合方法，该方法用于图像融合，完整表达焊区特征，首先将多曝光图像分别进行X方向与Y方向上的梯度计算，然后分别融合所有X方向与Y方向梯度幅值最大的梯度，以融合出完全表达所有曝光序列图像信息的梯度图，接着通过Haar小波梯度重建算法重构出融合图像，最后经过类Gamma校正与自适应直方图均衡化，得到最终融合图像，通过图像能够清晰的看到比任何一张多曝光源图像更清晰更丰富的细节信息，说明了梯度信息融合重建图像在细节保留方面具有的优势，而且已经基本上消除了熔池区域强烈的弧光影响，也消除了极暗与极亮的区域，能够很清晰的观察到焊枪、焊丝、熔池、结构光等信息，有助于进一步的特征提取与处理。
-
公开(公告)号：CN105458462A
公开(公告)日：2016-04-06
申请号：CN201510967977.5
申请日：2015-12-22
申请人： 河北工业大学 , 天津爱普杰科技有限公司
CPC分类号： B23K9/1274 , B23K9/095
摘要： 本发明公开了一种变间隙梯形焊缝多参数同步视觉检测跟踪方法，该方法利用二维焊缝图像得到焊缝三维的位置信息以及焊缝间隙，使得图像特征的变化和焊枪运动之间存在线性关系，根据智能相机传感器采集的单帧图像，提取出图像特征点，由特征点计算出焊枪在三维空间的位置坐标和焊缝间隙，在跟踪过程中，视觉系统将计算得到的三维坐标信息和焊缝间隙通过通信线传输给控制系统，控制系统寻找焊缝初始点，之后实时跟踪焊缝，视觉系统识别焊缝终止点后，将焊缝终止点传给控制系统后，焊接结束。此方法可实现焊枪在三维空间焊点的准确定位，并且在实时焊接过程中对较大的焊缝间隙进行摆动焊接，摆动频率由焊缝间隙大小决定。
-
-
-
-
-
-
-
-
-
搜索结果
189 条记录 (耗时 0.063 秒)
