-
公开(公告)号：CN107240134A
公开(公告)日：2017-10-10
申请号：CN201710391987.8
申请日：2017-05-27
Applicant: 江苏理工学院
CPC classification number: G06T7/90 , B07C5/3422 , G06K9/6223 , G06K9/6267
Abstract: 一种基于在线颜色识别的工业产品快速分类方法及装置，包含高速相机、红外光电传感器、气缸控制器、气缸组、与每个气缸对应的物品收集框以及控制系统，所述控制系统控制高速相机实时采集物品图像，根据背景差分法提取物品图像区域，利用聚类的方法确定物品的主色调，将实时采集的物品图像与已经建立的图像库内图像分别计算色差，根据色差最小的原则，求出当前物品的颜色分类，并判断其是否合格，控制系统根据判断结果通过气缸将物品推入对应物品收集框内。该发明的自动化程度高，操作简单，可以快速准确的对同类不同颜色的产品进行分类，可以在多种工业领域内有比较好的应用。
-
公开(公告)号：CN105938370A
公开(公告)日：2016-09-14
申请号：CN201610283561.6
申请日：2016-04-28
Applicant: 江苏理工学院
CPC classification number: G05D1/104 , G05B13/04 , G06F17/5009 , G06F17/5095
Abstract: 本发明公开了一种变体飞行器协同飞行的控制系统及其建模仿真方法，所述系统包括飞行控制器、全局变形控制器、网络总线、局部变形控制器、分布式传感器、分布式驱动器、变形结构、传感器。本发明通过仿真展示了变体飞行器能很好地完成跨高度、跨速度的变形协同飞行，验证了所提控制策略的合理性与优越性，并表明了变体飞行器能协同结构变形的有利影响改善机动飞行性能，扩大飞行包线范围，体现了变体飞行器相较于常规飞行器的优势。
-
公开(公告)号：CN114022914A
公开(公告)日：2022-02-08
申请号：CN202111330782.1
申请日：2021-11-11
Applicant: 江苏理工学院
Abstract: 本发明公开了一种基于融合深度网络的掌纹识别方法，方法步骤中包含：构建掌纹图像数据集及用于掌纹识别的M‑CNN网络模型；使用掌纹图像数据集对M‑CNN网络模型进行训练，根据训练结果对M‑CNN网络模型进行优化调整，保存训练完成的模型及权重，得到改进M‑CNN网络模型，并将输出的特征向量对应存入样本库内以用作后续匹配识别；使用改进M‑CNN网络模型对需要识别的目标掌纹图像进行检测匹配识别，获得识别目标身份信息。本发明可对掌纹身份进行高效、准确识别。
-
公开(公告)号：CN110310266A
公开(公告)日：2019-10-08
申请号：CN201910558405.X
申请日：2019-06-26
Applicant: 江苏理工学院
Abstract: 本发明公开了一种基于T-S模糊神经网络的色差检测方法。工业生产中，色差检测是一项很重要的技术，应用领域也比较广泛。本发明先要采集T-S模糊训练的训练集与测试集，对选定的训练集与测试集样本进行预处理，通过建立的T-S模糊神经网络模型对空间模型转换进行训练与测试，通过使用T-S模糊神经网络方法提取检测样本的特征值，选择合适的色差公式进行色差计算，输出色差检测结果。本发明可以有效的通过深度学习技术自主训练学习，实现精准的色差检测。
-
公开(公告)号：CN109509171A
公开(公告)日：2019-03-22
申请号：CN201811098348.3
申请日：2018-09-20
Applicant: 江苏理工学院
Abstract: 本发明提供一种基于GMM和图像金字塔的布匹疵点检测方法，涉及布匹疵点检测技术领域，利用工业相机对采集图像，并进行图像预处理；利用Laws纹理能量度量方法度量出图像的特征向量；GMM分类器对Laws纹理能量度量出的特征向量进行训练，训练出一个分类模型对图像进行纹理缺陷识别；若有缺陷，则在图像金字塔上进行疵点分割，得出疵点区域的面积特征以及形状特征，最后进行类型判别。本发明可以减少样本数量，把典型的布匹瑕疵类型进行判别，保留分割区域的完整性，能够准确的定位疵点区域，提高分割精度和检测效率。
-
Patent Agency Ranking
公开(公告)号：CN109389579A
公开(公告)日：2019-02-26
申请号：CN201810994862.9
申请日：2018-08-29
Applicant: 江苏理工学院
Abstract: 本发明提供一种结合熵约束和标准差加权的纺织品色差检测抗光照干扰方法，涉及纺织品色差检测抗光照干扰技术领域，先利用熵约束的方法，对织物图像进行光照处理，然后将处理后的图像分成若干子块，计算出每一子块R、G、B三个通道平均值和标准差；如果标准差大，说明该子块中颜色较丰富，因为当某一子块中有不同物体时，其颜色的差别相对较大，标准差也大，同理，子块中颜色比较单一时，标准差较小；通过对每一子块进行标准差加权(舍弃相关性小的子块，保留相关性大的子块)，可以减小大块单一颜色的影响，相当于将大块单一颜色的图像“转化”为具有丰富色彩的图像。
-
公开(公告)号：CN109191430A
公开(公告)日：2019-01-11
申请号：CN201810839404.8
申请日：2018-07-27
Applicant: 江苏理工学院
Abstract: 本发明提供一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法，采用线阵相机对运动中的布匹进行图像采集，对采集的布匹图像进行预处理；构造单分类SVM将非线性的训练数据映射到高维特征空间，在高维特征空间中构造出最优分离函数；利用采集的标准无缺陷布匹图像样本输入到单分类SVM，通过Laws纹理特征提取方法进行特征提取，并对提取的特征量进行训练；将现场采集的布匹图像进行预处理，输入单分类SVM，判别是否存在缺陷；若有缺陷，对判断后的图像进行局部二值化阈值分割以及形态学处理，最后得出检测结果。本发明提高了布匹缺陷的检测效率，降低成本以及减少对样本数量的需求。
-
公开(公告)号：CN109089096A
公开(公告)日：2018-12-25
申请号：CN201810839784.5
申请日：2018-07-27
Applicant: 江苏理工学院
CPC classification number: H04N9/68 , H04N9/73 , H04N17/002
Abstract: 本发明提供一种自适应的布匹色差检测抗光照干扰方法，涉及布匹色差检测技术领域，包括图像采集、颜色空间转化、色温估计、通道增益计算、色温校正、色差检测及结果处理步骤。本发明方法在色温估计的基础上，利用白平衡算法，实现了自适应的布匹色差抗光照干扰的检测；本发明充分考虑了YCbCr颜色空间中Y和Cb，Cr之间的相关性，挑选更合适的白色像素进行平均色差计算，以提高色温估计的精度；本发明对光照干扰有较好的鲁棒性。
-
公开(公告)号：CN109064459A
公开(公告)日：2018-12-21
申请号：CN201810838891.6
申请日：2018-07-27
Applicant: 江苏理工学院
IPC: G06T7/00
CPC classification number: G06T7/0008 , G06T2207/20081 , G06T2207/20084 , G06T2207/30124
Abstract: 本发明提供一种基于深度学习的布匹瑕疵检测方法，涉及机器视觉技术领域，通过卷积神经网络离线学习训练并分成在线适用的标准无瑕疵布匹和有瑕疵布匹检测器；将训练成功的CNN布匹瑕疵检测器载入上位机，并置于自动生产检测线；进行在线全自动布匹瑕疵检测；通过快速循环卷积神经网络方法搜索定位瑕疵区域。本发明将特征和检测器结合到一个框架中，自动地从样本中去学习特征，在使用中减少了手工设计特征的巨大工作量，提高了特征选择便捷性和鲁棒性；提升了自动化和智能水平、有效提高检测的精度和速度的基于深度学习的布匹瑕疵检测及定位方法。
-
公开(公告)号：CN117744745B
公开(公告)日：2024-09-17
申请号：CN202311862633.9
申请日：2023-12-29
Applicant: 江苏理工学院
IPC: G06N3/082 , G06N3/0495 , G06N3/0464 , G06N3/048 , G06V10/82 , G06V10/25 , G06V10/44 , G06V40/16 , G06V20/59
Abstract: 本申请公开了一种基于YOLOv5网络模型的图像优化方法及优化系统，属于机器视觉和深度学习技术领域，包括：接收来自采集设备所采集的第一图像集，该第一图像集包括至少三种类型的驾驶员表情图片；对第一图像集进行预处理，并将预处理后的图像制作为标准数据集，该标准数据集包括训练集、验证集和测试集；采用原始YOLOv5网络模型对标准数据集进行训练，在训练过程中调整训练参数以提高训练效果；分析网络结构，对原始YOLOv5网络模型的主干网络部分进行轻量化改进。在本申请的技术方案实施过程中，通过对模型进行轻量化设置，在减轻运行压力的同时保证模型性能损失较小，从而保持较高的识别准确率，适用于多种性能的硬件设备中。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.027 seconds)
