-
公开(公告)号：CN111739116B
公开(公告)日：2021-01-19
申请号：CN202010684446.6
申请日：2020-07-16
Applicant: 南京理工大学
Abstract: 本发明公开基于深度神经网络透过散射介质目标定位和重建方法，其基于DINet，能用于同时预测深度信息和从单个散斑图重建目标图像；利用系统配置采集实验的图像数据和物体与散射介质间的距离；将不同位置产生的散斑模式统计模型系统配置用于采集实验的图像数据和物体与散射介质之间的距离；散斑图经过双通道网络，经定位通道网络产生深度预测值和成像通道网络进行图像复原重建。本方法能够有效地解决多任务的挑战，在复杂散射情况能够获取多个物理信息。利用多任务总损失函数，对网络的学习和训练具有更强约束力，使得多任务协同训练在定位任务中具更佳性能，提高定位精度和成像质量。
-
公开(公告)号：CN111563562B
公开(公告)日：2021-01-19
申请号：CN202010684668.8
申请日：2020-07-16
Applicant: 南京理工大学
Abstract: 本发明涉及基于卷积神经网络的单帧散射图像的彩色目标重建方法，属于机器学习与图像重建技术领域，包括：步骤1、得到散斑数据集；步骤2、构建基于卷积神经网络的单帧散射图像的彩色目标重建模型CASNet；步骤3、将ALOI数据集中对应的彩色目标数据集与散斑数据集输入单帧散射图像的彩色目标重建模型进行训练，得到训练好的彩色目标重建模型；步骤4、将采集到的单帧彩色目标散斑图像输入训练好的彩色目标重建模型得到恢复的彩色目标。本发明解决了无法实现单帧彩色宽谱目标成像的问题，填充了基于深度学习的彩色目标重建网络的空白，首次提出基于卷积神经网络的单帧散射图像的彩色目标重建模型，恢复隐藏在散射介质后彩色目标。
-
Patent Agency Ranking
公开(公告)号：CN108971716B
公开(公告)日：2021-01-19
申请号：CN201810722340.3
申请日：2018-07-04
Applicant: 南京理工大学
Abstract: 本发明公开了一种高信噪比CMT+P熔池图像的获取方法，属于CMT+P焊接技术领域。该方法包括以下步骤：a.检测出具有阶跃性变化规律的P焊接脉冲电流上升沿和T电流上升沿，b.对N个参比对象进行对比；c.根据P焊接脉冲电流上升沿的幅度At与T电流上升沿的幅度Atr之间的差值大小，计算出用于区分P焊接脉冲电流上升沿与T电流上升沿的电流阈值Ar；d.区分P焊接脉冲电流上升沿与T电流上升沿；e.当FPGA模块分析得出当前的CMT+P焊接电流处于T电流上升沿时，发出相机开关信号K，用于控制相机拍摄CMT+P熔池图像。本方法可在弧光干扰最低时发出拍照信号，以获取高信噪比CMT+P熔池图像。
-
公开(公告)号：CN111709882A
公开(公告)日：2020-09-25
申请号：CN202010780609.0
申请日：2020-08-06
Applicant: 南京理工大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于亚像素卷积与特征分割的超分辨率融合的计算方法，属于光谱数据智能处理和分析的技术领域；首先低图像分辨率高光谱数据进入网络，进行数据处理；接着高图像分辨率多光谱数据进入网络与低图像分辨率高光谱数据进行融合，并进行输出；最后将融合处理过后的输出与高光谱数据图像超分辨率重建结果进一步融合。本申请的网络中使用的是非瓶颈1D结构，该结构将原本的3×3卷积核分解为一对1D卷积核，以此减少卷积参数量；本申请使网络在融合时可以学习到变换矩阵信息，有利于提高网络光谱维度重建的准确性和网络泛化能力；整体计算速度提高，并且精度精准。
-
公开(公告)号：CN109444134A
公开(公告)日：2019-03-08
申请号：CN201810752507.0
申请日：2018-07-10
Applicant: 南京理工大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于光谱分析的熔池视觉最佳成像波段选择方法，包括以下步骤：1)、依据相机的光谱响应，模拟不同黑体温度下，相机在不同波长下的响应强度，得到相机光谱图并进行归一化；用光谱仪采集焊接过程的熔池自身辐射光谱图，并将采集到的熔池自身辐射光谱图的相应强度归一化；2)、将不同的波长下的归一化的熔池自身辐射光谱图的相对强度与归一化的相机光谱图的相对强度做差，得到差值；3)、选择差值大于等于0.4的波段为熔池视觉最佳成像波段。本发明的基于光谱分析的熔池视觉最佳成像波段选择方法得到的熔池视觉最佳成像波段的电弧光较弱且相机光谱响应较强，且该成像波段较宽，可以有效提高熔池的辐射量。
-
公开(公告)号：CN108335288A
公开(公告)日：2018-07-27
申请号：CN201810047308.X
申请日：2018-01-18
Applicant: 南京理工大学
CPC classification number: G06T7/0006 , G06T5/003 , G06T7/13 , G06T7/136 , G06T7/181 , G06T2207/10004 , G06T2207/20024 , G06T2207/30152
Abstract: 本发明提出了一种根据视觉清晰度的值与轮廓的宽度的变化从而判别该熔池图像所属异常类别的检测方法；本发明从图像视觉角度出发，结合清晰度以及轮廓提取的运算特性，先用清晰度算子进行初分类，再结合轮廓宽度对焊速进行再分类，在一定程度上减小了运算时间。且本发明所采用双光路视觉感知装置，有效的提高视觉轮廓和清晰度提取精度。
-
-
-
-
-
Search Results
127
records
(took 0.025 seconds)
