-
公开(公告)号：CN115471458A
公开(公告)日：2022-12-13
申请号：CN202211019798.5
申请日：2022-08-24
Applicant: 广州先进技术研究所
Abstract: 本发明属于电子纸表面缺陷检测技术领域，具体涉及一种适用于电子纸表面缺陷图像处理方法、系统、平台及存储介质。本发明通过方法实时获取带有显著性缺陷电子纸图像，并对所述电子纸图像实时预处理；根据电子纸图像实时预处理状态，结合构建的检测算法，实时生成电子纸表面缺陷检测数据，通过融合处理后，需要检测的图片从2n张缩减至2张，检测时间大大减少，且由于融合的效果，疑似缺陷的位置，其灰度值与其他正常位置的灰度值差异会增大，最大限度的凸显该产品的表面缺陷。
-
公开(公告)号：CN120070369A
公开(公告)日：2025-05-30
申请号：CN202510142624.5
申请日：2025-02-08
Applicant: 广州先进技术研究所
IPC: G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于改进YOLOv8n的钢材表面缺陷检测模型构建方法及系统，该方法包括：在主干网络中使用MBConv模块替代原有C2f模块中的卷积组件，并引入EffectiveSE注意力机制，增强特征表征；在特征融合阶段引入卷积与注意力融合模块CAFM，实现多层次特征的有效融合；采用SlideLoss作为损失函数，通过交并比IoU指标动态调整损失权重，缓解类别不平衡问题。与现有技术相比，本发明提高了缺陷检测的精确度和效率，增强了模型跨尺度目标捕获能力，有效缓解了类别不平衡问题，展现出更强的适应力与鲁棒性，具有广泛的应用前景。
-
公开(公告)号：CN118446711A
公开(公告)日：2024-08-06
申请号：CN202410579344.6
申请日：2024-05-10
Applicant: 广州先进技术研究所
IPC: G06Q30/018 , G06K19/06 , G06V10/75
Abstract: 本发明涉及一种基于放大纹理的防伪方法及装置，该方法包括：获取产品的标签信息，获取标签通孔处产品表面的放大图像，将所述放大图像与预设图像库中的防伪纹理图案通过图像相似度匹配算法进行纹理对比，以判断产品的真伪。本发明提供的基于放大纹理的的防伪方法，利用产品自带的纹理在放大后是独一无二的特点进行防伪，可以有效的防止伪造，提高了产品的安全性。本发明利用产品自身的材料即可实现防伪，不需要特殊的材质制造防伪标签，也不需要做特殊的结构设计，从而防伪标识的制造成本和制造难度。本发明可以任意选定物品位置采集放大的图形作为防伪纹理图案，对于大部分的材料和结构的产品都具有通用性。
-
公开(公告)号：CN118025372A
公开(公告)日：2024-05-14
申请号：CN202410348609.1
申请日：2024-03-25
Applicant: 广州先进技术研究所
IPC: B62D61/10 , B60G13/00 , B60G21/045 , B60G11/04 , B60G11/113 , G01S17/86 , G01S17/88 , G01N21/88 , B60K7/00 , B60K17/04 , F16L55/34 , F16L55/32 , F16L55/30
Abstract: 本发明涉及一种用于供水管隧检测的六轮机器人及系统，机器人包括车架、前桥、中桥和后桥，所述前桥设置于车架上，所述前桥包括两组对称设置于车架两侧的独立悬挂组件，所述中桥和后桥通过平衡悬挂组件设置于车架上，所述前桥、中桥和后桥的两侧均设置有轮组；所述车架上设置有双光谱摄像头、三维激光雷达和传感器，所述双光谱摄像头用于采集管隧内可见光图像和红外光图像，所述三维激光雷达用于对管隧进行全方位扫描。本发明采用六轮独立驱动，并配有独立悬挂和平衡悬挂，能应用于不同管隧环境，实现长距离管隧的自动化检测。
-
公开(公告)号：CN116403635A
公开(公告)日：2023-07-07
申请号：CN202310123652.3
申请日：2023-02-14
Applicant: 广州先进技术研究所
IPC: G16B5/00 , G06N3/0464 , G06N3/084 , G06F18/2431 , G06F18/25
Abstract: 本发明涉及一种基于图嵌入特征增强的合成生物能效预测方法及设备，其中，所述方法包括：获取实验观测数据和合成生物属性，并对所述实验观测数据和所述合成生物属性进行特征编码；将编码后的特征输入到图嵌入特征增强神经网络进行训练，得到训练好的预测模型；接收待预测的实验观测数据和合成生物特征，并通过训练好的所述预测模型预测出合成生物能效达标概率；基于所述合成生物能效达标概率，判断本次合成生物能效是否达标。本发明提供的技术方案，能够提高生物能效达标的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN115631129A
公开(公告)日：2023-01-20
申请号：CN202211021123.4
申请日：2022-08-24
Applicant: 广州先进技术研究所
Abstract: 本发明涉及一种基于扩充样本的深度学习电子纸表面缺陷检测方法及系统。通过实时获取电子纸表面缺陷图像数据集，分别对所述获取到的数据集实时目标和背景分离处理；根据分离处理后的数据集，通过模拟的检测目标和不同的背景实时融合处理，生成扩充数据集；根据扩充数据集，构建网络结构，并结合设定的参数数据，生成与所述扩充数据集相应的模型；对所述模型实时训练，实时保存完成训练的模型，并根据所述完成训练的模型，实时生成电子纸表面缺陷检测数据。可以分离检测目标和背景，再通过模拟的检测目标与不同的背景融合可以有效提高数据的多样性。并且通过这种目标与背景的组合方式，生成的数据可以主动生成标签，无需再进行繁琐的标签制作工作。
-
公开(公告)号：CN115471459A
公开(公告)日：2022-12-13
申请号：CN202211021133.8
申请日：2022-08-24
Applicant: 广州先进技术研究所
Abstract: 本发明属于电子纸表面缺陷检测技术领域，具体涉及一种基于深度学习的电子纸表面缺陷检测方法、系统、平台及存储介质。本发明通过方法实时获取电子纸非显著性缺陷图像数据集，并根据所述数据集构建网络结构；结合设定的参数数据，生成与所述数据集相应的模型；对所述模型实时训练，并实时保存完成训练的模型；根据所述完成训练的模型，实时生成电子纸非显著性缺陷检测数据，以及与方法相应的系统、平台，存储介质。可以实现在有限数据的情况下尽可能地提高模型的检测精度。
-
公开(公告)号：CN115471457A
公开(公告)日：2022-12-13
申请号：CN202211019797.0
申请日：2022-08-24
Applicant: 广州先进技术研究所
Abstract: 本发明属于电子纸表面缺陷检测技术领域，具体涉及一种基于电子纸表面缺陷高准确性的检测方法、系统、平台及存储介质。本发明通过方法实时获取电子纸图像；并对所述电子纸图像实时预处理；根据电子纸图像实时预处理状态，实时生成电子纸表面缺陷检测数据；以及与方法相应的系统、平台及存储介质；无需工人长时期操作，只需工人定时放入待检测电子纸、定时取出完成检测、分类的电子纸。同时采用了传统机器视觉技术与AI相结合的算法，实现对量化指标缺陷的精确检测，非量化指标缺陷高效识别。
-
公开(公告)号：CN115285885A
公开(公告)日：2022-11-04
申请号：CN202210715148.8
申请日：2022-06-22
Applicant: 广州先进技术研究所
Abstract: 本发明公开了一种基于仓储环境无人叉车路径和任务联合生成方法及系统。通过实时获取仓储环境中无人叉车任务数据；根据无人叉车所在位置，结合收到的任务项，对所述无人叉车进行行为解析；生成可执行行为链表，根据所述行为链表，无人叉车可进行任务自动执行；以及与方法相应的系统、平台；无需设计复杂的智能路径规划算法。让无人叉车的路径规划中考虑和其他设备的交互行为。让无人叉车的路径规划中考虑交通规则，同时实现临时封闭和开放某些路径。避免了智能算法的不够智能，不够安全，无法处理多任务的问题。而且具有良好的模块化和扩展性，遇到新类型的移动无人叉车或者需要与新的外部设备交互，很容易在该框架下扩展无人叉车的行为。
-
公开(公告)号：CN219179335U
公开(公告)日：2023-06-13
申请号：CN202122255742.7
申请日：2021-09-16
Applicant: 广州先进技术研究所
IPC: G01N33/00
Abstract: 本实用新型提供了一种电子纸膜片检测驱动触头，属于检测设备技术领域。包括触头主体、检测组件和压紧组件，触头主体包括压盖、第一安装块、连接块和第一安装块，第一安装块、连接块和第一安装块依次安装于压盖的下侧；检测组件用于对电子纸缺陷进行检测。本检测驱动触头先通过第二弹簧促使压紧组件压紧电子纸，再通过第一弹簧促使检测组件稳定接触电子纸，避免了检测组件和电子纸接触不当而发生电子纸膜片面层与底层剥离或者驱动电极接触不良的情况，防止生产资源浪费的同时，大大提高了检测的效率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.033 seconds)
