公开(公告)号：CN108596917A

公开(公告)日：2018-09-28

申请号：CN201810354995.X

申请日：2018-04-19

Applicant: 湖北工业大学

Inventor： 舒军 ,  沈开斌 ,  涂杏 ,  李鑫武 ,  蒋明威 ,  吴柯 ,  杨露 ,  舒心怡 ,  潘健 ,  王淑青 ,  陈张言 ,  徐成鸿 ,  李志愧 ,  刘伟

IPC: G06T7/11 ,  G06T3/00 ,  G06T7/187

Abstract: 本发明涉及计算机领域，尤其是涉及一种目标主骨架线提取方法。现有骨架线提取算法缺点：细化算法计算复杂度比较高，而距离变换难以保证骨架的连通性和精确性，基于Voronoi图的方法获取的骨架还需要根据具体情况裁剪分支。本发明在最大圆的基础上进行改进，该方法先将目标均匀分割成若干条形区域，然后求取条形区域重心，将所有重心连接成一个区域，然后采取最大圆方法求取骨架线，该方法有效的解决了因分支裁剪对骨架形状产生的影响，减少了计算量，节省时间，在一定程度上提高了抓取精度。

公开(公告)号：CN108537277A

公开(公告)日：2018-09-14

申请号：CN201810316101.8

申请日：2018-04-10

Applicant: 湖北工业大学

Inventor： 舒军 ,  杨露 ,  涂杏 ,  沈开斌 ,  李鑫武 ,  蒋明威 ,  吴柯 ,  舒心怡 ,  潘健 ,  王淑青 ,  陈张言 ,  徐成鸿 ,  李志愧 ,  刘伟

IPC: G06K9/62

Abstract: 本发明公开了一种图像分类识别的方法，首先读取本地图片；然后生成批次，并打乱样本数据；接着构造图像分类识别模型；训练参数，直到图像分类识别模型到达稳定；最后保存图像分类识别模型，用来做相关图像识别。本发明通过结合LeNet、AlexNet、GoogleNet等传统算法有效的解决了识别准确率低，过拟合等问题。在图像识别，分类上有明显的改善，而且相对于层数较多、模型复杂的算法GoogleNet、R-CNN等更加容易实现，在实际应用中更实用，稍加改变可以实现各种图像的分类识别。

公开(公告)号：CN108416790A

公开(公告)日：2018-08-17

申请号：CN201810098532.1

申请日：2018-01-31

Applicant: 湖北工业大学

Inventor： 舒军 ,  涂杏 ,  沈开斌 ,  李鑫武 ,  蒋明威 ,  吴柯 ,  杨露 ,  舒心怡 ,  潘健 ,  王淑青 ,  陈张言 ,  徐成鸿 ,  李志愧 ,  刘伟

IPC: G06T7/136 ,  G06T7/13 ,  G06T7/11 ,  G06T7/00 ,  G01N21/88

Abstract: 本发明涉及一种检测方法，尤其是涉及一种用于工件破损率的检测方法。本发明通过区域距离变换计算破损区域每个像素点到区域边缘的距离，有效的避开了铜渣、毛刺等缺陷的影响。提高了计算精度；本发明根据采集到的图片，在考虑线路毛刺、铜渣等基础上，自动进行区域分割，自动逐像素计算距离，自动计算破损率；在线检测时，根据骨架上点到边缘的距离与标准线宽比较计算破损率。该检测过程具备计算简单、计算时间短，精度高等特点。

公开(公告)号：CN107093174A

公开(公告)日：2017-08-25

申请号：CN201710218422.X

申请日：2017-04-05

Applicant: 湖北工业大学

Inventor： 舒军 ,  徐成鸿 ,  陈张言 ,  李志魁 ,  涂杏 ,  李鑫武 ,  沈开斌 ,  舒心怡 ,  熊壮壮 ,  程启 ,  刘伟

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T7/44

CPC classification number: G06T7/0008 ,  G06T7/11 ,  G06T7/136 ,  G06T7/44 ,  G06T2207/30141

Abstract: 本发明涉及一种PCB设计缺陷检测方法，首先进行图像预处理，将采集到的模板标准图像以及待测图像分别进行阈值分割预处理，得到处理后的灰度图像Image2和Image4，将两个处理后的灰度图像进行逐像素点灰度的相减运算后得到检测断路、破损缺陷的区域G1以及检测短路、铜渣缺陷的区域G2，根据G1和Image4可判定破损缺陷；根据G2和Image2可判定短路缺陷和铜渣缺陷。本发明根据采集的PCB图像，在考虑机械误差，光线误差等基础上，自动对待测PCB版与标准模板进行相减运算得到短路、断路、破损、铜渣等缺陷，自动阈值分割，自动逐区域标号，自动计算缺陷区域灰度值特征。