-
公开(公告)号：CN110675335B
公开(公告)日：2022-09-06
申请号：CN201910819308.1
申请日：2019-08-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多分辨率残差融合网络的浅表静脉增强方法，采用随机排布的粗细不一的黑色导线模拟静脉；通过磨砂亚克力板模拟不同程度的皮肤散射，采集不同曝光时间下的图像作为模拟静脉数据集；通过风格迁移，将模拟静脉数据集转换为类活体血管成像数据集；随机从类活体血管成像数据集中抽取部分作为训练集，采用多分辨率残差融合网络进行训练，获得增强模型；用增强模型对真实静脉数据进行增强，获得静脉增强图像。本发明通过训练不同光照条件，不同散射程度的模拟静脉数据集，获得鲁棒性好的增强模型；通过融合网络中不同层次的特征，弥补下采样过程中损失的信息，实现了与其他网络相比更好的细节增强效果。
-
公开(公告)号：CN114682879A
公开(公告)日：2022-07-01
申请号：CN202210245665.3
申请日：2022-03-14
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于目标跟踪的焊缝跟踪方法，包括：1.系统标定并构建参考系转换系统，2.图像采集和预处理，3.焊缝特征提取，4.三维转换和传递，通过参考系转换系统将最高分的特征点的二维坐标转换成供焊接机器人执行的三维坐标，5.焊缝跟踪：焊接机器人根据收到的连续的特征点坐标进行焊缝跟踪焊接。本发明不存在模型漂移现象且获得的特征点回归绝对误差都在4个像素以内，准确性高；本发明利用多帧图像的相关信息，消除了某些特殊帧强噪声带来的干扰，成功地预测出目标位置；实际焊接过程中算法获取的焊点和人工标记的焊点各维度误差都在1mm以内，验证了本发明的准确性和鲁棒性。
-
公开(公告)号：CN113920297B
公开(公告)日：2022-03-18
申请号：CN202111519123.2
申请日：2021-12-14
Applicant: 南京理工大学
Abstract: 本发明公开一种基于物理驱动的神经网络透过散射介质的彩色泛化成像方法，包括建立一个物理模型与神经网络模型互驱动的神经网络、建立一个用于采集实验图像数据的系统配置，将采集到的图像数据经过预处理后送进神经网络进行图像复原重建。本发明将基于散斑相关和散斑冗余性物理先验和多通道卷积神经网络强大的数据挖掘和映射能力的有效结合，仅利用一块介质的散斑数据即可实现透过未知散射介质的多光谱复杂目标等情况下，实现对目标的高质量恢复，有力地推动了物理感知学习方法在实际散射场景中的成像泛化成像。该方法更加充分的利用了散斑的原始信息，对实际散射场景复杂多变、目标信息特性复杂和数据难以充分获取任务。
-
公开(公告)号：CN108334896B
公开(公告)日：2022-03-11
申请号：CN201810039677.4
申请日：2018-01-16
Applicant: 南京理工大学
IPC: G06V10/764 , G06K9/62 , G01N21/25
Abstract: 本发明提供一种基于熔池光谱的协同感知装置的光谱分类方法。本发明使用FPGA作为工艺参数采集触发模块，并在CPU端对所得数据进行训练学习分类，以CPU与FPGA相结合的方式设计了一种嵌入式的熔池光谱协同感知装置。充分利用了FPGA的并行处理及其50KHZ的高频率采样特性，通过检测下降沿和上升沿，分别在基值时刻和峰值时刻触发光谱仪得到相应的熔池光谱数据。本发明通过峰值时刻的光谱数据减去基值时刻的光谱数据可有效的排除其他噪声的干扰，得到有效的光谱数据，然后所得光谱数据在经CPU端通过SSM‑RSSR分类算法训练分析可得焊接过程中保护气成分以及有无氧化层来判断焊接质量。
-
公开(公告)号：CN113962866A
公开(公告)日：2022-01-21
申请号：CN202111575701.4
申请日：2021-12-22
Applicant: 南京理工大学
IPC: G06T3/40 , G06T7/49 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于物理感知学习的散射成像目标重建方法，包括：基于散斑相关的物理先验信息，利用已知目标透过相同散射介质在固定目标和相机位置下的散斑数据进行数据增广和模型训练，而后通过训练好的学习网络对未知散射场景下未知目标位置和相机位置的散斑数据进行目标重建。本发明利用散斑相关在大景深范围下的比例关系进行数据增广，仅通过利用透过一块散射介质下固定目标位置和相机位置的散斑数据进行模型的训练，便可实现对未知散射场景下未知目标位置和相机位置下的复杂目标进行高保真准确重建，同时具有良好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113484252A
公开(公告)日：2021-10-08
申请号：CN202110814471.6
申请日：2021-07-19
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于矩阵特征值分布原理的哈达玛编码降噪分析方法，包括通过分析狭缝光谱仪和哈达玛变换光谱仪信噪比的计算公式并建立信噪比与测量矩阵广义Rayleigh商的等效关系；根据光谱仪探测时的噪声来源，分析探测器噪声和光子噪声分别占主导时不同类型光谱仪采集光谱时信噪比变化，同时对理论值进行模拟仿真实验和真实采集数据实验来验证。本发明从数学角度出发，并通过模拟数据仿真实验和实际实验验证了哈达玛编码测量降噪性能的可行性，真实直观地证明了哈达玛编码测量优于狭缝光谱仪的信噪比，有利于关于光辐射的强度变化和空间特征的探测分析。
-
公开(公告)号：CN113290302A
公开(公告)日：2021-08-24
申请号：CN202110277762.6
申请日：2021-03-15
Applicant: 南京理工大学
Abstract: 本发明涉及一种电弧焊增材制造的余高定量预测方法，以熔池视觉传感系统、定位系统和三维系统为基础构建CMT增材余高预测系统，熔池视觉传感系统采集CMT基值时刻第1ms的熔池图像，使用定位系统确定所采熔池图像在焊缝上的位置，由于当前熔敷层对下一层熔敷层有重熔过程，使用三维系统测量焊缝当前高度；将预处理后的熔池图像输入到余高预测网络中，得到预测的余高信息，利用熔池视觉信息对电弧增材制造过程中各熔覆层的余高增量进行监控。本发明基于CMT单道多层熔池形态和温度特征变化规律，构建了CMT增材余高预测系统，预测熔覆层余高变化趋势，从而提升该预测系统的精度和泛化能力，具有高精度、高稳定性。
-
公开(公告)号：CN112150341B
公开(公告)日：2021-05-28
申请号：CN202011343947.4
申请日：2020-11-26
Applicant: 南京理工大学
Abstract: 本发明涉及基于物理约束和数据驱动的双阶段散射成像方法，包括以下步骤：1.设计算法结构，2.建立卷积神经网络，3.求解目标信息，4.消除干扰信息，5.获得原始目标。本发明中的双阶段成像算法结合物理约束和数据驱动的算法框架，适用于噪声干扰的复杂成像系统，双阶段成像算法的除噪和泛化能力，在不同等级高斯噪声、探测器和光子噪声下，增强阶段的PSNR从20dB提高到38dB；与无物理约束的方法相比，在已知散射介质和噪声的条件下，恢复目标的PSNR提高4dB；在未知散射介质条件下，成功恢复隐藏的目标；基于u型结构和残差网络，构建双阶段卷积神经网络提取特征，恢复目标信息。
-
公开(公告)号：CN109374131B
公开(公告)日：2021-05-28
申请号：CN201811020517.1
申请日：2018-09-03
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于DMD编码的瞬态哈达玛矩阵光谱仪，包括匀光片、望远物镜、棱镜、DMD、准直透镜、闪耀光栅、聚焦透镜和CCD相机，入射光经由所述匀光片匀光后经由所述望远物镜聚焦在所述DMD上进行编码；编码后的光线经过所述棱镜反射再经过所述准直透镜准直，经过所述准直透镜之后的平行光线入射到所述闪耀光栅；色散后的叠加光谱经过所述聚焦透镜聚焦后由所述CCD相机采集，记录整个哈达玛循环矩阵的所有色散叠加后的光谱矩阵测量值。本发明的基于DMD编码的瞬态哈达玛矩阵光谱仪有更好的信噪比和响应速度，可以采集面阵光谱，采用可更换光栅设计有更好的适应性。
-
公开(公告)号：CN112756742A
公开(公告)日：2021-05-07
申请号：CN202110024740.9
申请日：2021-01-08
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于ERFNet网络的激光视觉焊缝跟踪系统，包括线结构光视觉传感器模块，用于采集焊缝图像信息；图像处理与通信模块和机器人及机器控制模块，基于ERFNet网络，处理焊缝图像信息获得焊缝特征点；机器人及机器控制模块，接收焊缝特征点信息，获得焊接路径指令并进行作业。其将深度学习中的分割思想引入到焊缝特征提取中，实现在复杂的焊接条件下准确地提取到多层多道焊缝的焊缝光条中心线和焊接特征点，并且不同于传统算法中先提取中心线再根据中心线计算特征点的方法，ERFNet网络可以同时准确提取多层多道焊中的两类特征，然后将焊接特征点位信息传输给机器人控制模块，控制焊接机器人移动至待焊接处，实现多层多道焊的焊缝跟踪。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.025 seconds)
