-
公开(公告)号：CN110796693B
公开(公告)日：2023-03-21
申请号：CN201910856197.1
申请日：2019-09-11
Applicant: 重庆大学
Abstract: 本发明公开了一种工业CT切片图像直接生成二维有限元模型的方法，主要步骤为：1)获取CT切片图像所有像素点的位置坐标信息。2)对CT切片图像进行单元划分。3)得到CT切片图像最外层的等值线。4)计算得到等值线经过的图像单元的最小化值点。5)连接最小化值点和边界图像单元顶点，从而生成轮毂的三角有限元网格。本发明针对工业CT图像的特点，并在满足二维有限元的条件下,实现了由单张工业CT切片直接生成二维有限元模型。
-
Patent Agency Ranking
公开(公告)号：CN110796693A
公开(公告)日：2020-02-14
申请号：CN201910856197.1
申请日：2019-09-11
Applicant: 重庆大学
Abstract: 本发明公开了一种工业CT切片图像直接生成二维有限元模型的方法，主要步骤为：1)获取CT切片图像所有像素点的位置坐标信息。2)对CT切片图像进行单元划分。3)得到CT切片图像最外层的等值线。4)计算得到等值线经过的图像单元的最小化值点。5)连接最小化值点和边界图像单元顶点，从而生成轮毂的三角有限元网格。本发明针对工业CT图像的特点，并在满足二维有限元的条件下,实现了由单张工业CT切片直接生成二维有限元模型。
-
公开(公告)号：CN111476756B
公开(公告)日：2024-05-14
申请号：CN202010158887.2
申请日：2020-03-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，步骤为：1)利用图像标注工具的矩形框对疏松缺陷数据集进行缺陷标注。2)建立改进YOLOv3网络模型。3)利用疏松缺陷数据训练集对改进YOLOv3网络模型进行训练。4)利用疏松缺陷数据测试集对训练后的改进YOLOv3网络模型进行测试。5)对改进YOLOv3网络模型进行改进。6)获取待检测铸件的DR图像，并输入到改进YOLOv3网络模型中，判断铸件的缺陷等级和位置坐标。本发明提高了目标检测网络对小目标物体的检测效果。
-
公开(公告)号：CN109685778A
公开(公告)日：2019-04-26
申请号：CN201811519587.1
申请日：2018-12-12
Applicant: 重庆大学
CPC classification number: G06T17/00 , G06T7/0004 , G06T7/10 , G06T7/30 , G06T19/20 , G06T2207/10028 , G06T2207/10081 , G06T2207/30164
Abstract: 本发明公开了一种基于CT切片的机械零件的几种常见几何量检测方法，主要步骤为：1)将二维的工业CT切片重建成三维点云模型STL。2)读取所述待测工件的三维设计模型，对三维设计模型进行采样和曲面拟合，从而得到三维设计模型各面片的类型和特征参数。3)对三维设计模型每个面片进行采样，得到三维采样点集。4)对三维点云模型STL和三维采样点集进行配准。5)对三维点云模型STL中点云进行分割，得到点云分割结果，从而建立点云和三维设计模型各面片的对应关系。6)基于点云分割结果，进行基准选择和误差计算；7)将步骤6计算得到的误差与公差值比较，将不符合加工要求的区域可视化。本专利提供了一种能够直接数字化检测尺寸和几种常见形位误差的方法。
-
公开(公告)号：CN109685778B
公开(公告)日：2021-06-22
申请号：CN201811519587.1
申请日：2018-12-12
Applicant: 重庆大学
Abstract: 本发明公开了一种基于CT切片的机械零件的几种常见几何量检测方法，主要步骤为：1)将二维的工业CT切片重建成三维点云模型STL。2)读取所述待测工件的三维设计模型，对三维设计模型进行采样和曲面拟合，从而得到三维设计模型各面片的类型和特征参数。3)对三维设计模型每个面片进行采样，得到三维采样点集。4)对三维点云模型STL和三维采样点集进行配准。5)对三维点云模型STL中点云进行分割，得到点云分割结果，从而建立点云和三维设计模型各面片的对应关系。6)基于点云分割结果，进行基准选择和误差计算；7)将步骤6计算得到的误差与公差值比较，将不符合加工要求的区域可视化。本专利提供了一种能够直接数字化检测尺寸和几种常见形位误差的方法。
-
公开(公告)号：CN111476756A
公开(公告)日：2020-07-31
申请号：CN202010158887.2
申请日：2020-03-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，步骤为：1)利用图像标注工具的矩形框对疏松缺陷数据集进行缺陷标注。2)建立改进YOLOv3网络模型。3)利用疏松缺陷数据训练集对改进YOLOv3网络模型进行训练。4)利用疏松缺陷数据测试集对训练后的改进YOLOv3网络模型进行测试。5)对改进YOLOv3网络模型进行改进。6)获取待检测铸件的DR图像，并输入到改进YOLOv3网络模型中，判断铸件的缺陷等级和位置坐标。本发明提高了目标检测网络对小目标物体的检测效果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
