公开(公告)号：CN115375677A

公开(公告)日：2022-11-22

申请号：CN202211298772.9

申请日：2022-10-24

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 邵瑞 ,  张泽恺 ,  李刚 ,  周鸣乐 ,  李敏 ,  张成 ,  伊长乐 ,  韩德隆

IPC: G06T7/00 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开的基于多路径和多尺度特征融合的酒瓶缺陷检测方法及系统，属于工业检测技术领域，包括：获取酒瓶RGB图像；根据RGB图像和训练好的酒瓶缺陷检测模型中，获得酒瓶缺陷检测结果，其中，酒瓶缺陷检测模型包括多个依次连接的残差提取模块，后三个残差提取模块中的每个残差提取模块均依次连接上采样网络、注意力增强块和检测单元，三个上采样网络按照从与最后一个残差提取模块连接的上采样网络到与倒数第三个残差提取模块连接的上采样网络的方向依次连接，每个上采样网络与残差提取模块之间还设置路径增强模块，残差提取模块的输出输入到路径增强模块中，路径增强模块的输出输入到上采样网络中。提高了酒瓶缺陷检测的准确性。

公开(公告)号：CN115035119A

公开(公告)日：2022-09-09

申请号：CN202210964603.8

申请日：2022-08-12

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 张泽恺 ,  邵瑞 ,  李刚 ,  周鸣乐 ,  李敏 ,  伊长乐 ,  张成 ,  韩德隆

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  B07C5/34 ,  B07C5/02 ,  B07C5/36

Abstract: 本公开提供了一种玻璃瓶底瑕疵图像检测剔除装置、系统及方法，属于图像瑕疵检测领域，包括采集待检测玻璃瓶的瓶底普通图像和应力图像；获取采集的玻璃瓶底部的普通图像和应力图像，对所述图像分别在不同深度的模型中进行特征提取，获取不同深度的特征图；对不同深度的特征图进行融合，当一个融合节点具有多个输入特征图时，将给每个输入的特征图自动分配权重，融合不同层次的特征图；对融合的特征图进行瑕疵检测，获取瑕疵玻璃瓶并进行剔除；省了大量人工调参的误差，简化了操作流程，大大降低了瑕疵的漏检率，提升了检测效率；有效避免数据流的混乱以及板卡损耗率高，易出现设备各模块工作不同步的现象，大大提升设备的自动化水平。

公开(公告)号：CN118898614B

公开(公告)日：2025-01-28

申请号：CN202411397545.0

申请日：2024-10-09

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 万金 ,  李刚 ,  韩德隆 ,  李敏 ,  李佳宸 ,  张成

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。

公开(公告)号：CN117132584B

公开(公告)日：2024-02-13

申请号：CN202311227287.7

申请日：2023-09-22

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 李敏 ,  赵世龙 ,  李刚 ,  周鸣乐 ,  韩德隆 ,  邢瑞 ,  张成

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/80 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于深度学习的液晶显示屏瑕疵检测方法及装置，涉及计算机视觉目标检测技术领域，通过设计轻量化特征提取网络，在保证液晶显示屏瑕疵特征提取能力的基础上减少计算量，提高模型的检测速度；设计跨层多尺度特征融合网络，高效的融合特征提取网络的浅层细粒度信息和深层语义信息；设计精细化预测网络，包括特征聚合器和特征提纯模块，特征聚合器融合了多层次的特征，提取更多上下文信息，增强细粒度特征的提取；特征提纯模块抑制了不同尺度特征图的冲突信息，减少语义差异，提高了模型对液晶显示屏瑕疵检测的准确率。

公开(公告)号：CN217506409U

公开(公告)日：2022-09-27

申请号：CN202222183008.9

申请日：2022-08-19

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 张泽恺 ,  邵瑞 ,  李刚 ,  周鸣乐 ,  李敏 ,  伊长乐 ,  张成 ,  韩德隆

IPC: G05B19/05

Abstract: 本实用新型公开一种基于工业物联网的数据采集控制系统，涉及工业设备自动化控制技术领域。包括PLC控制器，用于采集设备组件的实时数据并将实时数据发送给上位机；上位机，其用于接收PLC控制器发送的实时数据，将数据发送至云服务器；云服务器，用于接收上位机发送的数据，对数据进行分析处理，根据分析结果发送控制指令至上位机；供电模块，为上位机供电，包括前级电源电路、可调稳压电路和分流电路，可调稳压电路和分流电路并联连接，可调稳压电路和分流电路的输入耦接前级电源电路的输出，可调稳压电路和分流电路的输出通过负载接地。本实用新型实现了工业设备组件工况信息的远程实时可查，同时提升了上位机供电模块的稳定性。