一种基于图像前景分割的钢卷端面图像自动提取方法

    公开(公告)号:CN117689653A

    公开(公告)日:2024-03-12

    申请号:CN202410019782.7

    申请日:2024-01-05

    Abstract: 本发明提供一种基于图像前景分割的钢卷端面图像自动提取方法,涉及工业机器视觉技术领域,包括:获取钢卷端面原始图像,并对钢卷端面图像进行预处理;对预处理后的图像进行压缩处理,并采用图像前景分割算法获取图像的蒙版图像;对获取的蒙版图像和钢卷端面原始图像进行预处理,得到钢卷端面蒙版等分图像和等分原图;基于钢卷端面蒙版等分图像和等分原图,利用多线程并行使用前景分割算法进行钢卷端面的自动提取。本发明的技术方案能够解决钢卷端面由于背景复杂及图像像素巨大,且无法自动、精准、快速分割的技术问题,具有分割图像重合率高,快速且分割精准等优点。

    一种烧结矿质量多模态分析方法
    3.
    发明公开

    公开(公告)号:CN119671358A

    公开(公告)日:2025-03-21

    申请号:CN202411630890.4

    申请日:2024-11-15

    Abstract: 本发明涉及一种烧结矿质量多模态分析方法,包括获取生产工序中的多种模态数据;多模态数据处理;对单模态数据进行特征表示;多模态特征融合;多模态特征分析。本发明的优点是:多模态特征分析中深度学习模型使用的网络是通过收集多模态数据处理所获得数据簇,再通过对单模态数据进行特征表示和多模态特征融合,再使用深度学习框架后训练出的网络,使用的深度学习框架可以是RNN模型,该网络适配本发明的烧结多模态数据特点,方法简单实用,易于推广;将各种单模态的特征表示转化为待融合特征向量,将多个不同的待融合特征向量经过特定的映射得到新的特征向量,有效平衡各模态数据维度,同时使框架具备多种融合策略的组合条件。

    一种基于钢铁微观相图的铁素体组织边缘提取方法

    公开(公告)号:CN118823044A

    公开(公告)日:2024-10-22

    申请号:CN202410791120.1

    申请日:2024-06-19

    Inventor: 任姿颖 宋宝宇

    Abstract: 本发明涉及一种基于钢铁微观相图的铁素体组织边缘提取方法,包括对低碳钢冷轧板金相图像进行边缘检测,闭合晶界,移除多余边界,图像根据网络拓扑结构图检测针对标记后图像不连接部分,晶粒不闭合部分的晶粒部分,进行晶界边缘判断,在每个不闭合部分晶粒的顶点不变的情况下,不断遍历不同的与之相连的晶界弧线,以判断其是否满足完全闭合晶粒特征实现晶粒重构,在进行重构检测最终完成铁素体组织边缘的提取与再重构;准确重构钢铁微观相图的铁素体晶粒,有效分割有狭窄区域连接的两个晶粒,有助于提取到准确的低碳钢冷轧薄板的铁素体晶粒,基于提取到准确的低碳钢冷轧薄板的铁素体晶粒,辅助进行低碳钢冷轧薄板的铁素体晶粒度评级。

    一种基于点云的钢板表面质量检测方法

    公开(公告)号:CN117333436A

    公开(公告)日:2024-01-02

    申请号:CN202311215128.5

    申请日:2023-09-20

    Abstract: 本发明属于无损检测技术领域,尤其涉及一种基于点云的钢板表面质量检测方法,其特征在于,采用对钢板点云图像进行平移旋转处理,可以进行准确而全面的钢板质量检测,实现钢板表面缺陷的并行检测,提高检测效率,完成对缺陷的定性检测和定量分析,根据所述钢板平面度检测、缺陷定性检测以及缺陷的具体信息,依据钢板执行标准,判断钢板是否为合格产品。与现有技术相比,本发明的有益效果是:本发明算法中通过采用对钢板点云图像进行平移旋转处理,可以进行准确而全面的钢板质量检测,实现钢板表面缺陷并行检测,从而提高了检测效率,完成对缺陷的定性检测和定量分析,鲁棒性较好,可适用于多种应用场景,具有广泛的推广价值。

    一种线材盘条组织图像的索氏体分割与识别方法

    公开(公告)号:CN118365536A

    公开(公告)日:2024-07-19

    申请号:CN202410505559.3

    申请日:2024-04-25

    Abstract: 本发明涉及一种线材盘条组织图像的索氏体分割与识别方法,包括使用灰度直方图,对图像进行像素特征统计性描述,遍历图像所有像素特征,找到最佳像素特征阈值参数,结合最佳像素特征阈值参数运用阈值法进行图像分割,对图像进行二值化操作,移除图像中的噪点,利用轮廓法获取训练集图像,裁剪训练集图像,利用深度学习模型对图像进行分类识别,保存训练好的模型及其网络参数;利用自适应直方频次法对阈值参数进行处理以找到分析图像中的最佳阈值,形成基于计算机视觉与专家经验的索氏体分割,去除分割误差点,无需人工手工创建数据集,减少人工成本,也保证了训练集的准确性,利用深度学习对微观组织进行识别,提升了识别的准确率。

    一种基于深度学习的两阶段热轧钢卷端面缺陷检测方法

    公开(公告)号:CN116823763A

    公开(公告)日:2023-09-29

    申请号:CN202310753863.5

    申请日:2023-06-26

    Abstract: 本发明提供一种基于深度学习的两阶段热轧钢卷端面缺陷检测方法,实现热轧端面缺陷的在线自动检测,建立可供推广的热轧钢卷端面缺陷检测系统框架,解决热轧钢卷温度过高导致使用人工目测方法进行钢卷端面缺陷检测时效率较低的问题。包括:(1)获取钢卷端面图像;(2)分类阶段训练得到分类器,将钢卷端面图像的标签分为有缺陷和无缺陷两类,快速筛选缺陷区域;(3)检测阶段训练得到检测器,进行精准识别缺陷;对包含缺陷区域的图像子集细化缺陷类别,重新进行数据标注,并导入检测过程,进行精细缺陷检测,通过训练得到收敛的检测器,识别得到缺陷类别和缺陷位置;(4)将现场钢卷端面图像先后导入分类器和检测器,确定最终结果。

    钢材试样连续退火模拟装置及实验方法

    公开(公告)号:CN113281118B

    公开(公告)日:2023-06-06

    申请号:CN202110518977.2

    申请日:2021-05-12

    Abstract: 本发明公开了一种钢材试样连续退火模拟装置及实验方法,所述模拟装置包括第一夹具和第二夹具、加热部件、冷却部件、控温件和第一测温件和第二测温件,第一夹具适于夹持钢材试样第一端部,第二夹具适于夹持钢材试样第二端部,冷却部件设在第一夹具和第二夹具之间,冷却部件包括第一冷却喷嘴和第二冷却喷嘴,且第一冷却喷嘴位于第一位置,第二冷却喷嘴位于第二位置,加热部件用于加热钢材试样,控温件用于控制加热部件对钢材试样的加热温度,第一测温件用于检测钢材试样第一位置处的温度,第二测温件用于检测钢材试样第二位置处的温度。本发明实施例的连续退火模拟装置,能够使拉伸试样在控温热电偶处断裂,提高热模拟实验的准确性。

Patent Agency Ranking