-
公开(公告)号：CN111275744A
公开(公告)日：2020-06-12
申请号：CN202010067615.1
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习及图像处理的非接触振动频率测量方法，包括以下步骤：1）选取被测物的待测区域并提取其图像序列；2）将图像序列的第一帧输入深度卷积神经网络，将图像中的所有像素分为零值像素和非零像素；3）选择所有非零像素为有效像素，并将其坐标存储成列表，用于振动信号提取；4）对于图像序列中的每个图像，采用光流法先将其转为亮度信号，再提取每个有效像素的速度信号时程；5）对所有有效像素的速度信号时程进行平均及归一化处理；6）通过傅里叶变换进行功率谱密度估计，得到功率谱密度，并通过峰值拾取法获得频率组成，得到非接触振动频率测量结果。该方法有利于提高非接触振动频率测量的效率和精确度。
-
公开(公告)号：CN111256806A
公开(公告)日：2020-06-09
申请号：CN202010067626.X
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种非接触振动频率组成测量方法，包括以下步骤：1）选取被测物的待测区域并提取其图像序列；2）将待测区域内的所有像素沿时程方向读出亮度信号后，分别储存为独立的亮度变化值；3）将得到的该些亮度变化信号输入训练好的多目标长短期记忆循环神经网络，得到振动频率预测结果，同时将该些振动频率预测结果重建成N个振动频率预测结果图；4）将振动频率预测结果分布绘制成统计直方图，取预测计数最大的振动频率为整个待测区域的振动频率预测值。该方法有利于获取被测物的振动频率组成。
-
公开(公告)号：CN111275744B
公开(公告)日：2022-03-11
申请号：CN202010067615.1
申请日：2020-01-20
Applicant: 福州大学
IPC: G06T7/246 , G06T7/269 , G06K9/62 , G01H9/00 , G06V10/764
Abstract: 本发明涉及一种基于深度学习及图像处理的非接触振动频率测量方法，包括以下步骤：1）选取被测物的待测区域并提取其图像序列；2）将图像序列的第一帧输入深度卷积神经网络，将图像中的所有像素分为零值像素和非零像素；3）选择所有非零像素为有效像素，并将其坐标存储成列表，用于振动信号提取；4）对于图像序列中的每个图像，采用光流法先将其转为亮度信号，再提取每个有效像素的速度信号时程；5）对所有有效像素的速度信号时程进行平均及归一化处理；6）通过傅里叶变换进行功率谱密度估计，得到功率谱密度，并通过峰值拾取法获得频率组成，得到非接触振动频率测量结果。该方法有利于提高非接触振动频率测量的效率和精确度。
-
-
Search Results
3
records
(took 0.031 seconds)
