-
公开(公告)号：CN109360204B
公开(公告)日：2021-07-16
申请号：CN201811434076.X
申请日：2018-11-28
Applicant: 燕山大学
IPC: G06T7/00 , G06N3/04 , G01N23/046
Abstract: 本发明公开了一种基于Faster R‑CNN的多层金属点阵结构材料内部缺陷检测方法，结合卷积神经网络，通过工业CT对多层金属点阵结构材料样件进行扫描检测，得到样件内部结构的三维立体结构，截取点阵结构横向截面的二维灰度图像，对灰度图中大量的缺陷样本进行采样学习，用学习到的缺陷特征对灰度图中的缺陷进行识别定位。经过试验验证，对多层金属点阵结构材料内部缺陷检测的平均正确率达到99.5％。
-
公开(公告)号：CN109521028B
公开(公告)日：2021-06-25
申请号：CN201811474246.7
申请日：2018-12-04
Applicant: 燕山大学
IPC: G01N21/90
Abstract: 本发明公开了一种金属三维多层点阵结构内部宏观缺陷检测方法，通过工业CT对多层金属点阵结构材料样件进行扫描得到样件内部的二维层析图像，从得到的二维层析图像中截取平行于点阵单元横向排布方向的横向断层截面二维灰度图，再通过三个横向相邻固定尺寸像素点集合灰度值总和之间的差值分布来判别缺陷的存在，且理论分析给出了相应的判别标准和依据。实验验证结果表明，与人工标记的缺陷进行对比，本发明对金属三维多层点阵结构样件的内部典型断层缺陷的识别率达到98.5％。
-
公开(公告)号：CN114638819A
公开(公告)日：2022-06-17
申请号：CN202210325459.3
申请日：2022-03-29
Applicant: 燕山大学
Abstract: 本发明涉及一种基于深度学习的3D打印点阵结构CT图像缺陷检测方法，其包括以下步骤，步骤一：通过工业CT获取缺陷图像数据；步骤二：高斯滤波处理缺陷图像数据；步骤三：构建基于深度学习网络的缺陷检测模型；步骤四：判断缺陷检测模型训练结果是否符合要求；步骤五：将训练好的模型参数用于缺陷检测模型。本发明通过基于双注意力机制的图像缺陷检测模块构建深度学习模型，实现对3D打印点阵结构内部缺陷进行无伤检测，准确高效地提取缺陷信息，分析该缺陷对点阵结构的力学性能影响，具有检测准确率高，实时性好，自动化程度高等优点。
-
公开(公告)号：CN111369508A
公开(公告)日：2020-07-03
申请号：CN202010127070.9
申请日：2020-02-28
Applicant: 燕山大学
Abstract: 本发明涉及一种金属三维点阵结构的缺陷检测方法及系统。该方法包括：获取金属三维点阵结构的断层图像；采用darknet-53网络模型中的特征提取网络对断层图像进行特征提取，得到断层图像对应的多尺度预测信息；根据所述预测信息确定每个预测框对应的缺陷类别；根据darknet-53网络模型中的聚类中心，利用yolo层对每个预测框的位置信息进行修正，得到每个预测框的实际位置；根据预测框的实际位置，采用NMS算法确定最终预测框；根据最终预测框确定金属三维点阵结构中缺陷的位置和缺陷类别。本发明可以适用于金属三维点阵结构，进而提高缺陷检测的准确度。
-
公开(公告)号：CN111833335A
公开(公告)日：2020-10-27
申请号：CN202010689831.X
申请日：2020-07-17
Applicant: 燕山大学
IPC: G06T7/00 , G06T3/40 , G06N3/04 , G06N3/08 , G01N23/046
Abstract: 本发明涉及一种基于超分辨率重建的点阵结构缺陷检测方法及系统。该方法包括：获取点阵结构的CT图像；利用Faster R-CNN检测网络模型中的图像超分辨率重建模块对CT图像进行特征提取，得到高分辨率特征图像；利用Faster R-CNN检测网络模型中的检测模块对高分辨率特征图像进行缺陷检测，得到高分辨率特征图像中的缺陷参数；缺陷参数包括缺陷类型、缺陷位置和缺陷置信度；缺陷类型包括断点缺陷和粘连缺陷；将缺陷参数映射至CT图像，得到CT图像的缺陷识别结果。本发明可以提高自动识别缺陷的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111387954A
公开(公告)日：2020-07-10
申请号：CN202010211271.7
申请日：2020-03-24
Applicant: 燕山大学
IPC: A61B5/02
Abstract: 本发明涉及一种多阵列脉象采集系统。该系统包括：多阵列脉象传感模块，用于将用户脉搏的振动信号转换为电压信号；脉象信号调节模块，与所述多阵列脉象传感模块连接，用于根据所述电压信号得到脉象信号和切脉压力信号；脉象信号采集模块，与所述脉象信号调节模块连接，用于采集所述脉象信号和所述切脉压力信号。本发明提供的多阵列脉象采集系统通过信号调节电路，将脉象信息与按压造成的直流偏置隔离，解决了测量时按压力度把握困难的问题。并且，通过采集多个阵列的振动信号得到完整的人体脉象信息和切脉压力信号，进一步能够提高脉搏检测信号的准确性。
-
公开(公告)号：CN111588357A
公开(公告)日：2020-08-28
申请号：CN202010492231.4
申请日：2020-06-03
Applicant: 燕山大学
Abstract: 本发明涉及一种脉象远程复现系统，脉象采集装置用于采集人体的脉象信息，并将采集到的所述脉象信息通过网络发送至数字滤波器；数字滤波器用于对脉象信息进行滤波，并将滤波后的脉象信息发送至数模转换电路；数模转换电路用于将滤波后的脉象信息转换成模拟信号，并将模拟信号发送至信号选择放大电路；信号选择放大电路用于将模拟信号中的脉象信号进行放大，并将放大脉象信号发送至功率放大电路；功率放大电路用于将输入的放大脉象信号的功率进行放大，并输出放大功率脉象信号，放大功率脉象信号作为脉跳仿生机构的驱动信号，利用脉跳仿生机构将人体的脉象进行复现。通过本发明的上述系统真实还原人体脉象，实现远程实时的诊断。
-
公开(公告)号：CN109521028A
公开(公告)日：2019-03-26
申请号：CN201811474246.7
申请日：2018-12-04
Applicant: 燕山大学
IPC: G01N21/90
Abstract: 本发明公开了一种金属三维多层点阵结构内部宏观缺陷检测方法，通过工业CT对多层金属点阵结构材料样件进行扫描得到样件内部的二维层析图像，从得到的二维层析图像中截取平行于点阵单元横向排布方向的横向断层截面二维灰度图，再通过三个横向相邻固定尺寸像素点集合灰度值总和之间的差值分布来判别缺陷的存在，且理论分析给出了相应的判别标准和依据。实验验证结果表明，与人工标记的缺陷进行对比，本发明对金属三维多层点阵结构样件的内部典型断层缺陷的识别率达到98.5％。
-
公开(公告)号：CN109360204A
公开(公告)日：2019-02-19
申请号：CN201811434076.X
申请日：2018-11-28
Applicant: 燕山大学
IPC: G06T7/00 , G06N3/04 , G01N23/046
Abstract: 本发明公开了一种基于Faster R-CNN的多层金属点阵结构材料内部缺陷检测方法，结合卷积神经网络，通过工业CT对多层金属点阵结构材料样件进行扫描检测，得到样件内部结构的三维立体结构，截取点阵结构横向截面的二维灰度图像，对灰度图中大量的缺陷样本进行采样学习，用学习到的缺陷特征对灰度图中的缺陷进行识别定位。经过试验验证，对多层金属点阵结构材料内部缺陷检测的平均正确率达到99.5％。
-
公开(公告)号：CN109283253A
公开(公告)日：2019-01-29
申请号：CN201811433475.4
申请日：2018-11-28
Applicant: 燕山大学
IPC: G01N29/06
Abstract: 本发明公开了一种基于超声原理轻质陶瓷基多孔复合材料缺陷检测方法，将超声波发射探头与超声波接收探头同时浸入水中，超声波发射探头与超声波接收探头垂直于待检测轻质多孔陶瓷基复合材料的两侧面；超声波发射探头与超声波接收探头在待检测轻质多孔陶瓷基复合材料的两侧面的x-y方向往复运动从而对待检测轻质多孔陶瓷基复合材料进行扫描，数据采集卡采集超声波接收探头接收到的超声波信号并传输给安装有LabVIEW程序的计算机，LabVIEW将获得的数据进行最大值投影重建得到超声C扫描图像，即可识别出缺陷区域，也就完成了材料缺陷检测实验。与现有技术相比，本发明可以实现对陶瓷基复合材料中孔洞、夹杂和脱粘等危险性缺陷的检测。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.077 seconds)
