公开(公告)号：CN119515825A

公开(公告)日：2025-02-25

申请号：CN202411578936.2

申请日：2024-11-07

Applicant: 东北大学秦皇岛分校

Inventor： 曾伟伟 ,  闫浩霖 ,  安伯阳 ,  刘成午 ,  龚骏宇 ,  王正松 ,  杨乐

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/70 ,  G06V10/75 ,  G06V10/74 ,  G06T5/70 ,  G06T5/30 ,  G06T7/194 ,  G06F17/16

Abstract: 本创新提供了一种基于Visionmaster的工业玻璃缺陷检测方法，是针对当前玻璃缺陷检测的痛点并结合企业实际需求而提出的。传统的工业玻璃缺陷检测方法存在不少问题和不足，如环境适应性差、缺乏鲁棒性、精度不高以及依赖人工调节等。为了解决这些问题，本创新采用以下步骤：图像预处理、检测玻璃是否被横断或纵分、玻璃边缘缺陷检测、玻璃表面缺陷检测，结果汇总判定玻璃合格性。首先，通过图像处理技术去除噪声干扰、获取玻璃区域位置和边缘，并利用图像增强手段提高对比度，使得图像更加清晰。基于Visionmaster，通过利用传统视觉技术并设定合适的阈值范围，判断玻璃是否被横断或纵分、是否存在边缘缺陷、是否存在表面缺陷。最终，通过汇总各个环节的检测结果，确定工业玻璃是否合格；若不合格，确定玻璃存在什么缺陷。本创新的优势降低了编码的难度、简化了检测流程中的参数调节过程、提高了工业玻璃缺陷检测的准确性、通用性和抗干扰能力；同时降低了人工成本，为产品质量提供了更高的保障，加快了检测速度和效率。此外，该方法具有较强的可解释性和适应性，适用于复杂多变的工业现场环境。这一方法在提高生产效率的同时，有效应对了传统方法存在的挑战，为工业玻璃生产过程提供了更为有效和可靠的检测方法。

公开(公告)号：CN119309645A

公开(公告)日：2025-01-14

申请号：CN202411348815.9

申请日：2024-09-26

Applicant: 东北大学秦皇岛分校

Inventor： 刘子涵 ,  李宇 ,  王正松

IPC: G01F23/22 ,  G06V10/44 ,  G06V10/28 ,  G06V10/30

Abstract: 本发明公开了一种基于机器视觉的实时液面高度测量方法及系统，涉及高度检测技术领域，包括图像检测与处理系统、模型分析与计算系统；一种基于机器视觉对液面高度进行测量的方法，以python作为编程基础，实现了对液面高度的实时测量。一种实时液面高度检测系统包括摄像头、工业光源、试管、上位机(电脑)。本发明一个或多个实施例中，使用高斯滤波模型和canny边缘检测算法进行图像预处理，基于以试管作为载体选择合适的参数；同时，为了加强模型计算的准确性，采用多边形近似处理的方法，对处理后的图像进行二次处理，提高了高度测量过程中的准确性。

公开(公告)号：CN114820556B

公开(公告)日：2024-05-17

申请号：CN202210516676.0

申请日：2022-05-13

Applicant: 东北大学秦皇岛分校

Inventor： 杨乐 ,  于海峰 ,  杨劭璠 ,  解永畅 ,  王正松

IPC: G06T7/00 ,  G06T7/13 ,  G06T5/70

Abstract: 本发明属于机器视觉检测技术领域，设计了一种基于自定义算法的食品包装瑕疵样本的生成方法，对塑封包装存在的瑕疵进行检测；首先采集食品包装瑕疵图像样本数据集；采样所有瑕疵图像样本纹理的灰度与曲率；通过采样数据随机生成曲线，随机产生曲线的数量与姿态，再将瑕疵绘制到背景图像上生成成一张表面有瑕疵的图像；本发明在缺乏真实缺陷数据时，通过模拟表面瑕疵缺陷的特性，随机合成大量表面瑕疵缺陷图像，填补真实表面瑕疵缺陷图像数据不足的空白，从而辅助相关瑕疵缺陷检测算法提高检测性能。

公开(公告)号：CN116935337A

公开(公告)日：2023-10-24

申请号：CN202310867976.8

申请日：2023-07-17

Applicant: 东北大学秦皇岛分校

Inventor： 王健康 ,  闫冬梅 ,  王正松

IPC: G06V20/54 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于CSA(CoordinateSpatialAttention)注意力机制和C3_SAC的YOLOv5网络的交通多目标检测方法，首先使用可切换空洞卷积(SAC)替换C3中Bottleneck残差模块中的卷积结构组成新的backbone网络结构，使backbone提取特征信息更准确，同时扩大卷积感受野，适应不同尺度特征；然后在CA注意力机制的基础上结合SA注意力机制，并把改进的CSA注意力机制分别加入到backbone网络的5，8，13层之后，增强网络对学习特征的表达能力；最后把YOLOv5中原有的Ciou损失函数替换为额外考虑角度损失的Siou损失函数。在Kitti交通开源数据集上进行实验，改进YOLOv5模型相较于原始的YOLOv5模型的Precision提升了5.7％，mAP_0.5提升了1.9％，mAP_0.5:0.95提升了3.5％。结果表明，本发明提出改进的模型有效的实现了高精度的交通多目标检测。

公开(公告)号：CN115359672B

公开(公告)日：2023-07-07

申请号：CN202210997796.7

申请日：2022-08-19

Applicant: 东北大学秦皇岛分校

Inventor： 郭戈 ,  李迅 ,  孙晓铮 ,  高振宇 ,  王正松

IPC: G08G1/08 ,  G08G1/01 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明提供一种数据驱动与强化学习结合的交通区域边界控制方法，涉及智能交通控制技术领域。本发明通过城市路网的交通状态和网络结构划分若干个交通区域，采集交通系统的输入和输出数据，来求解无模型数据驱动下的交通系统边界控制比例，并将计算得到的边界控制动作，执行控制动作下的区域车辆数和平均车流量都记录下来，并且存到经验池D中。根据经验池D中的数据对强化学习的参数进行预训练，将预训练后的强化学习算法再与交通环境进行交互，对交通环境进行进一步的探索，得出最优的边界控制动作。本发明对交通区域进行宏观边界控制，均衡各个区域的交通流量，减少交通拥堵的发生，提高交通路网的运行效率，改善人们的出行体验。

公开(公告)号：CN114820556A

公开(公告)日：2022-07-29

申请号：CN202210516676.0

申请日：2022-05-13

Applicant: 东北大学秦皇岛分校

Inventor： 杨乐 ,  于海峰 ,  杨劭璠 ,  解永畅 ,  王正松

IPC: G06T7/00 ,  G06T7/13 ,  G06T5/00

Abstract: 本发明属于机器视觉检测技术领域，设计了一种基于自定义算法的食品包装瑕疵样本的生成方法，对塑封包装存在的瑕疵进行检测；首先采集食品包装瑕疵图像样本数据集；采样所有瑕疵图像样本纹理的灰度与曲率；通过采样数据随机生成曲线，随机产生曲线的数量与姿态，再将瑕疵绘制到背景图像上生成成一张表面有瑕疵的图像；本发明在缺乏真实缺陷数据时，通过模拟表面瑕疵缺陷的特性，随机合成大量表面瑕疵缺陷图像，填补真实表面瑕疵缺陷图像数据不足的空白，从而辅助相关瑕疵缺陷检测算法提高检测性能。

公开(公告)号：CN119599933A

公开(公告)日：2025-03-11

申请号：CN202411081150.X

申请日：2024-08-08

Applicant: 东北大学秦皇岛分校

Inventor： 王健康 ,  王正松 ,  宋浩 ,  刘传宇

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提供一种基于DRB轻量化模块和轻量化检测头的YOLOv8网络的路面缺陷检测方法，首先使用DRB轻量化模块融合到C2f模块中，替换C2f中Bottleneck残差模块中的卷积结构，构成C2f_DRB模块来组成YOLOv8的backbone网络，使backbone网络结构可以更好的提取特征信息，同时通过冲参数化，扩大卷积感受野，适应不同尺度特征；然后对YOLOv8的检测头进行改进，把原来参数量和计算量较高的头部中的CBS模块进行改进，选择参数量和计算量更低的组卷积和深度可分离卷积对CBS替换。在RDD2020路面缺陷数据集上进行实验，YOLOv8模型相较于原始的YOLOv8模型，提出改进后的网络C2f_DRB结构，网络的参数量减少了8.1％，计算量减少了8.4％，准确率提升了2.1％，改进后的检测头的网络的参数量减少了14.1％，计算量减少了24％。改进的模型整体有了一个较为明显的提升效果。结果表明，本发明提出改进的模型有效的减少了参数量和计算量，以及在准确性方面也有提高。

公开(公告)号：CN116393037A

公开(公告)日：2023-07-07

申请号：CN202310086146.1

申请日：2023-02-09

Applicant: 东北大学秦皇岛分校

Inventor： 王正松 ,  汤晟楠 ,  郭戈 ,  杨乐

IPC: B01J2/16 ,  G06F17/10 ,  B01J2/04

Abstract: 本发明公开一种药物质量控制方法、系统、电子设备及介质，涉及流化床喷雾制粒领域。在流化床制粒初期，利用领域知识预先判断出最优控制方向，确保制粒过程朝着正确的方向收敛；获取流化床制粒设备的当前跟踪误差，根据当前跟踪误差判断事件触发条件是否成立，若成立，则更新当前控制信号，并根据该信号控制制粒设备制备药物；若事件触发条件不成立，则沿用当前控制信号制备药物；制粒过程中，利用当前跟踪误差和模糊规则网络更新当前控制信号更新步长，加快流化床制粒过程收敛速度。本发明在数据驱动迭代学习控制器中嵌入事件触发机制，降低了控制信号更新频率；整合知识与数据用于控制信号更新步长和控制方向寻优，为流化床制粒过程提效降本。

公开(公告)号：CN119440056A

公开(公告)日：2025-02-14

申请号：CN202411571175.8

申请日：2024-11-06

Applicant: 东北大学秦皇岛分校

Inventor： 张瑞 ,  王子阳 ,  王正松

IPC: G05D1/46 ,  G05D1/695 ,  G05D109/20

Abstract: 本发明提出了一种基于双延迟深度确定性策略梯度(TD3)的无人机集群避障策略生成方法。该方法通过结合任务需求、环境条件和无人机性能参数，构建马尔可夫决策模型，包括状态空间、动作空间和奖励函数，并通过TD3算法对模型进行训练。首先，确定无人机集群的目标运动方向和密度，并设定最小安全间距和障碍距离，以确保飞行安全；然后，定义奖励函数，引导无人机在复杂环境中实现有效的避障和队形保持。与传统的规则驱动和经典算法(如几何路径规划、人工势场法)相比，基于TD3的方案具备更强的自适应能力和灵活性，能够在动态环境中快速调整策略，避免陷入局部最优。此外，TD3算法通过延迟策略更新和经验回放，提升了策略的稳定性和收敛性，使无人机集群在高密度场景下保持实时避障和队形稳定。实验结果显示，该方法在模拟环境中能够有效避开障碍物，维持预设队形，并减少能量消耗，证明了其在无人机集群协同任务中的应用潜力。本发明适用于军事、物流配送、环境监测等领域的多无人机集群任务，可显著提升任务执行效率和安全性。

公开(公告)号：CN119066569A

公开(公告)日：2024-12-03

申请号：CN202411085834.7

申请日：2024-08-08

Applicant: 东北大学秦皇岛分校

Inventor： 王正松 ,  李晓晨

IPC: G06F18/2433 ,  G06F18/2431 ,  G06F18/213 ,  G06N3/0455 ,  G06Q10/0639 ,  G06Q50/04

Abstract: 本发明提供了一种基于变分自编码器和贡献图的药物连续制粒过程监测及故障诊断方法，旨在解决现有技术在处理复杂非线性和非高斯性数据时的不足。通过构建和训练变分自编码器模型，该方法实现了对高维数据的降维和特征提取，并通过重参数化技巧生成潜在向量，进而重构输入数据。该方法设计了基于KL散度的监测统计量，用于实时监测生产过程中的关键质量属性和关键工艺参数。此外，利用贡献图法评估各变量对监测统计量的影响，实现故障的准确诊断和定位。与传统多元统计过程监测方法相比，本发明具有更强的适应性和更高的监测精度，能够早期发现潜在故障，避免质量问题积累，提升生产效率，降低生产成本，保障药品质量和患者安全。