-
公开(公告)号：CN108355987B
公开(公告)日：2019-10-11
申请号：CN201810016132.1
申请日：2018-01-08
Applicant: 西安交通大学 , 惠州市德赛电池有限公司
IPC: B07C5/34 , G01N21/956 , G01N21/88
Abstract: 本发明公开了一种基于分块模板匹配的电池丝印质量检测方法，采集电池的原始图像建立模板数据集，对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测。无需人工干预，可以实现快速、高精度的电池丝印质量检测。
-
Patent Agency Ranking
公开(公告)号：CN108355987A
公开(公告)日：2018-08-03
申请号：CN201810016132.1
申请日：2018-01-08
Applicant: 西安交通大学 , 惠州市德赛电池有限公司
IPC: B07C5/34 , G01N21/956 , G01N21/88
Abstract: 本发明公开了一种基于分块模板匹配的电池丝印质量检测方法，采集电池的原始图像建立模板数据集，对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测。无需人工干预，可以实现快速、高精度的电池丝印质量检测。
-
公开(公告)号：CN108355981A
公开(公告)日：2018-08-03
申请号：CN201810016140.6
申请日：2018-01-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于机器视觉的电池连接器质量检测方法，建立连接器模板数据集，采集被检测连接器的图像，对采集的电池连接器原始图像进行图像裁剪截取该矩形窗区域的图像，将裁剪图像进行倾斜校正得到校正后图像，对图像进行重构的到图像完成图像预处理，图像预处理完成后分别采用独立检测方法对连接器的位置、连接器FPC基板露铜、连接器中央区域瑕疵、连接器五金部件缺陷和连接器塑料部件缺陷进行检测，采用动态模板更新机制实时更新检测模板，以已校正图像为基础建立坐标系，对缺陷进行分类、定位标记并将检测结果输出，可对连接器常见的歪斜/偏移、FPC板露铜、五金缺陷、塑料缺陷、中心区域瑕疵等质量问题进行检测，实时性好、检测率较高。
-
公开(公告)号：CN108355981B
公开(公告)日：2020-03-17
申请号：CN201810016140.6
申请日：2018-01-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于机器视觉的电池连接器质量检测方法，建立连接器模板数据集，采集被检测连接器的图像，对采集的电池连接器原始图像进行图像裁剪截取该矩形窗区域的图像，将裁剪图像进行倾斜校正得到校正后图像，对图像进行重构的到图像完成图像预处理，图像预处理完成后分别采用独立检测方法对连接器的位置、连接器FPC基板露铜、连接器中央区域瑕疵、连接器五金部件缺陷和连接器塑料部件缺陷进行检测，采用动态模板更新机制实时更新检测模板，以已校正图像为基础建立坐标系，对缺陷进行分类、定位标记并将检测结果输出，可对连接器常见的歪斜/偏移、FPC板露铜、五金缺陷、塑料缺陷、中心区域瑕疵等质量问题进行检测，实时性好、检测率较高。
-
公开(公告)号：CN115049597B
公开(公告)日：2024-11-01
申请号：CN202210602702.1
申请日：2022-05-30
Applicant: 西安交通大学
IPC: G06T7/00 , G06T7/155 , G06T7/187 , G06T7/194 , G06T7/13 , G06T7/136 , G06T7/62 , G06T5/70 , G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于稀疏补全网络的图像异常检测方法及系统，利用稀疏张量与稀疏卷积构建一种非对称式的自编码图像修复网络；训练环节，网络仅在正常图像样本上以自监督的方式训练图像补全任务；测试环节，通过衡量图像补全的精度来实现图像级别的异常检测与像素级别的异常定位；本发明利用稀疏张量与稀疏卷积，在编码阶段仅对有效像素提取特征；在解码阶段仅将内容解码在覆盖掩膜区域；由此构建的非对称式自编码器大大降低了模型的硬件计算与储存开销；此外，针对形状异常检测，本发明采用稀疏卷积与边缘图像设计了边缘补全网络，更进一步地提升了模型在特定场景下的检测效率。
-
公开(公告)号：CN115049597A
公开(公告)日：2022-09-13
申请号：CN202210602702.1
申请日：2022-05-30
Applicant: 西安交通大学
IPC: G06T7/00 , G06T7/155 , G06T7/187 , G06T7/194 , G06T7/13 , G06T7/136 , G06T7/62 , G06T5/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于稀疏补全网络的图像异常检测方法及系统，利用稀疏张量与稀疏卷积构建一种非对称式的自编码图像修复网络；训练环节，网络仅在正常图像样本上以自监督的方式训练图像补全任务；测试环节，通过衡量图像补全的精度来实现图像级别的异常检测与像素级别的异常定位；本发明利用稀疏张量与稀疏卷积，在编码阶段仅对有效像素提取特征；在解码阶段仅将内容解码在覆盖掩膜区域；由此构建的非对称式自编码器大大降低了模型的硬件计算与储存开销；此外，针对形状异常检测，本发明采用稀疏卷积与边缘图像设计了边缘补全网络，更进一步地提升了模型在特定场景下的检测效率。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
