-
公开(公告)号：CN118864394A
公开(公告)日：2024-10-29
申请号：CN202410895064.6
申请日：2024-07-05
申请人： 中核北方核燃料元件有限公司 , 北京同方软件有限公司 , 中国原子能工业有限公司
IPC分类号： G06T7/00 , G06V10/25 , G06V20/70 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明属于自动化检测技术领域，具体涉及一种基于通用模型的少样本缺陷检测方法。其包括如下步骤：步骤1：通用模型训练；步骤2：数据集制作；步骤3：识别网络设计；步骤4：模型训练；步骤5：特征提取；步骤6：特征匹配；步骤7：正反样本匹配。本发明的有益效果在于：比传统的机器视觉算法精度高，比传统的深度学习算法鲁棒性更强；不需要大量的样本数据训练；待识别的缺陷类型方便定义，不需要再进行训练；正向匹配，提高识别精度；反向匹配，解决零样本数据问题。
-
公开(公告)号：CN118847532A
公开(公告)日：2024-10-29
申请号：CN202410895066.5
申请日：2024-07-05
申请人： 中核北方核燃料元件有限公司 , 北京同方软件有限公司 , 中国原子能工业有限公司
摘要： 本发明属于金属制品无损检测技术领域，具体涉及一种用于核燃料元件的端塞外观自动检测装置及方法。包括上料机，机械手，上料盘，侧面检测工位，底部检测工位，顶部检测工位，头部下方检测工位，下料仓，端塞运转夹爪和调整工位，所述的上料机的一侧设置有调整工位，机械手设置在调整工位的一侧，上料盘设置在机械手的一侧，侧面检测工位，底部检测工位，顶部检测工位，头部下方检测工位和下料仓依次设置在机械手和上料盘的一侧，侧面检测工位，底部检测工位，顶部检测工位，头部下方检测工位和下料仓的一侧设置有端塞运转夹爪。本发明的有益效果在于：实现了端塞侧面缺陷深度的定量分析，给产品质量分析提供依据。
-
公开(公告)号：CN118735877A
公开(公告)日：2024-10-01
申请号：CN202410826528.8
申请日：2024-06-25
申请人： 中核北方核燃料元件有限公司 , 北京同方软件有限公司 , 中国原子能工业有限公司
IPC分类号： G06T7/00
摘要： 本发明属于自动化检测技术领域，具体涉及一种基于3D图像处理的格架外条带错位的检测方法。包括以下步骤：步骤1、选择采集位置，使用线激光正方向数据采集，同时在回来时候进行反方向数据采集；步骤2、对两次采集到的数据进行预处理，通过两次的数据补充完善3D点云数据，并去除噪声区域的干扰；步骤3、在3D点云数据上选出可能出现错位的区域，之后在厚度方向进行错位尺寸的计算，然后是高度方向的错位尺寸计算；步骤4、将检测结果显示到自动化检测流程软件界面方便查看。本发明实现大幅降低人工操作甚至无人式的高效率、高准确率的格架外条带错位的自动化检测。
-
公开(公告)号：CN111191621B
公开(公告)日：2024-06-28
申请号：CN202010004300.2
申请日：2020-01-03
申请人： 北京同方软件有限公司 , 同方股份有限公司
摘要： 一种大焦距监控场景下多尺度目标的快速精准识别方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）动态anchor设定：获取训练数据，并对训练的目标进行数据拟合，通过大数据拟合来分析anchor的特性，动态的设定anchor的值。2）设计网络结构DAnchorNet：设计DAnchorNet中目标检测分支与目标分割分支，通过目标检测分支与分割分支的结合来解决目标检测超参阈值的设定。3）设计DAnchorNet的损失函数：通过动态权重设计方案来优化训练过程中的损失函数，关注目标区域的平均概率值来对总的损失进行调整。本发明通过动态anchor能有效提升大焦距监控场景下多尺度目标的检出率，通过分割与动态anchor检测相结合的网络结构能有效提升目标检测的准确率，进而有效的提升目标识别的整体效果。
-
公开(公告)号：CN110309696B
公开(公告)日：2024-06-07
申请号：CN201811551883.X
申请日：2018-12-19
申请人： 北京同方软件有限公司
IPC分类号： G06V20/50 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 基于深度学习及多聚类中心损失函数的摊贩物品分类方法，涉及人工智能以及计算机视觉技术领域。本发明方法步骤为：1）网络结构设计：整理摊贩物品样本，并对其进行类别标定。2）目标损失函数。3）模型预测：利用训练好的模型进行预测。同现有技术相比，本发明一方面进一步提高深度学习模型在复杂的摊贩物品分类中的性能，以及在训练样本不是很充足的情况下，避免模型过拟合；另一方面，充分利用类内、类间离散度信息，使模型有更好的泛化能力，进一步提升深度学习模型在摊贩物品分类中的性能。
-
公开(公告)号：CN112686207B
公开(公告)日：2024-02-27
申请号：CN202110085069.9
申请日：2021-01-22
申请人： 北京同方软件有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 一种基于区域信息增强的城市街道场景目标检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）将训练数据中加入白天数据。2）输出目标位置编码segmask，检测输出网络Detection Block输出类别预测模块cls和尺寸回归模块size。3）检测算法优化，a)对网络模型参数进行初始化。b)前向输出目标类别和检测框；过滤、输出最终的检测结果。本发明设计目标检测深度学习网络，训练城市街道场景检测模型，配合以视频智能分析静态视频帧目标检测技术的智能系统和动态视频中目标行为分析技术，设计出适应白天、夜间全场景下的各类事件的检测系统，准确快速的完成违规事件的自动检测，有效避免目标的误检、漏检。
-
公开(公告)号：CN117496147A
公开(公告)日：2024-02-02
申请号：CN202311461230.3
申请日：2023-11-06
申请人： 北京同方软件有限公司
IPC分类号： G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
摘要： 一种基于多任务学习的细粒度目标检测与语义分割方法，涉及人工智能领域和计算机视觉领域。本发明主要步骤为数据的收集和标注；将原始图像预处理，构建多层级细粒度检测器，完成细粒度分类；优化数据采样策略，根据每张图像权重大小从难到易顺序训练；根据多层级细粒度分类使用动态损失权重与联合损失函数，维护类间特征和类内特征的平衡；对预处理后的图像特征提取，得到图像高层次特征表示；多任务输出；输出每个任务的检测结果，包括多标签检测结果和分割结果。本发明能同时完成分割与检测多任务，有效提高计算效率和提升精准度，具有简单高效的特点。
-
公开(公告)号：CN113034916B
公开(公告)日：2022-07-01
申请号：CN202110344544.X
申请日：2021-03-31
申请人： 北京同方软件有限公司
IPC分类号： G08G1/01 , G08G1/054 , G06T3/40 , G06T7/11 , G06T7/80 , G06K9/62 , G06N3/08 , G06V10/764 , G06V10/82
摘要： 一种多任务的交通事件及交通参数计算方法，涉及基于视频图像的目标检测、应用于交通场景下的视频监控数据的智能事件分析系统以及交通参数计算系统。本发明的方法步骤为：一、输入视频图像，提取生成路面区域，并根据路面区域生成采样线。二、提取视频每一帧图像采样线的数据，按时间先后顺序拼接生成新的采样图。三、针对细长条形图形变目标进行深度学习的方法训练。四、根据识别结果信息进行车速计算、拥堵判断、等级和方向判断。同现有技术相比，本发明通过视频数据和流量统计的本质特征，解决多场景下、不同天气情况下、不同路面状态下的道路情况统计，具有准确、高效、适应性广的特点。
-
公开(公告)号：CN108230254B
公开(公告)日：2021-07-27
申请号：CN201710767714.9
申请日：2017-08-31
申请人： 北京同方软件有限公司
摘要： 一种自适应场景切换的高速交通全车道线自动检测方法，涉及基于视频图像的目标识别、应用于高速公路交通场景下的视频监控数据的智能分析系统。本发明方法对高速监控设备视频信息进行采集、分析和控制，它的方法步骤为：1）视频数据的场景预处理：2）所有车辆的运动轨迹方向分析，即灭点估计：3）透视投影处理：4）建立车道模型：5）车辆跟踪处理：6）检测收敛迭代处理。同现有技术相比，本发明能在不依赖相机内外参数、所有天气条件、所有道路交通状况下，对高速公路上的各车道完成检测、分析和定位。
-
公开(公告)号：CN112686207A
公开(公告)日：2021-04-20
申请号：CN202110085069.9
申请日：2021-01-22
申请人： 北京同方软件有限公司
摘要： 一种基于区域信息增强的城市街道场景目标检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）将训练数据中加入白天数据。2）输出目标位置编码segmask，检测输出网络Detection Block输出类别预测模块cls和尺寸回归模块size。3）检测算法优化，a)对网络模型参数进行初始化。b)前向输出目标类别和检测框；过滤、输出最终的检测结果。本发明设计目标检测深度学习网络，训练城市街道场景检测模型，配合以视频智能分析静态视频帧目标检测技术的智能系统和动态视频中目标行为分析技术，设计出适应白天、夜间全场景下的各类事件的检测系统，准确快速的完成违规事件的自动检测，有效避免目标的误检、漏检。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.053 秒)
