-
公开(公告)号：CN118135354A
公开(公告)日：2024-06-04
申请号：CN202410193304.8
申请日：2024-02-21
Applicant: 理工特智科技(重庆)有限公司 , 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V10/82 , G06V10/26 , G06V10/32 , G06T7/90 , G06T5/70 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于生成网络的数据增强方法、系统、设备及存储介质，包括：以预设比例从原始图像上裁剪得到裁剪图像，并调整其尺寸和色彩，记录变换参数；选定生成网络，采用处理后的裁剪图像对生成网络进行训练直至收敛，基于收敛后的生成网络批量生成目标样本；对目标样本中的目标进行标注，并获取无目标的背景图像，在背景图像中标注出目标位置，在标注范围内随机选择基点作为目标样本的粘贴位置；基于变换参数对目标样本进行尺寸和色彩的逆变换，得到待粘贴图像，根据基点将其粘贴到背景图像中，并对待粘贴图像的边缘进行柔化处理，得到生成图像。本发明通过局部目标生成后融合真实图像的方式，起到了数据增强的效果，增加了模型精度。
-
Patent Agency Ranking
公开(公告)号：CN117974482A
公开(公告)日：2024-05-03
申请号：CN202311200844.6
申请日：2023-09-18
Applicant: 理工特智科技(重庆)有限公司 , 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提供一种用于增强异常检测能力的图像增强方法、系统和设备，其中，方法包括：获取待检测的质检图像，对所述质检图像进行灰度处理，得到第一处理图像；对所述第一处理图像进行背景模糊处理，得到第二处理图像；根据所述第一处理图像和所述第二处理图像，得到增强图像。本发明对于质检过程中采集的图像中的噪音进行处理，对图像中异常位置进行针对性的分离，增强了异常位置的显示程度，减少噪音的干扰，解决了产品质检过程中因采集过程中不可控环境因素导致的噪音影响，提升了异常检测能力。本发明提出的图像增强方法有效地减少图像内不均匀对比度的影响，强化了异常部分的显示，有助于提高异常检测人员和异常检测模型的效率和精度。
-
公开(公告)号：CN117630004A
公开(公告)日：2024-03-01
申请号：CN202311406519.5
申请日：2023-10-27
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提出了一种缺陷无损检测方法，包括如下步骤：S1、吊装工件至检测装置；检测装置包括能够升降和横向运动的可变形框架，可变形框架的直径能够伸缩，可变形框架上设置有若干检测部件；S2、扫描工件的表面形状，获取工件的结构；S3、构建工件的结构模型，利用结构模型调节可变形框架的形状，可变形框架沿着工件的长度方向运动、并通过检测部件对工件进行无损检测；S4、检测结果输入神经网络模型，输出检测结果。本发明的检测部件安装在可变形框架上，能够通过可变形框架的形状和直径改变，来适应不同形状和大小的工件，通过可变形框架的竖向或横向移动来覆盖工件的所有表面和内部的检测，能够同时检测石油储罐、油管及其附件，通用性强。
-
公开(公告)号：CN117237679A
公开(公告)日：2023-12-15
申请号：CN202310930445.9
申请日：2023-07-27
Applicant: 理工特智科技(重庆)有限公司 , 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种提高图像特征匹配准确率方法，本发明不光通过引入图像裁切技术，消除梯度值过大或过小的区域对特征点匹配的影响，提高梯度值正常的区域特征点匹配的准确率；还引入对比度增强技术，提高特征点检测数量，进而提高特征点匹配的准确率；并进一步引入特征点去重技术，去掉重复的特征点，提高特征点匹配的准确率，解决了目前现有的图像拼接和叠加技术，面临要么操作简单，但效果欠佳，要么效果较好，但操作复杂、计算量大的技术问题，达到简化的同时，达到了良好的拼接和叠加效果。
-
公开(公告)号：CN116152594A
公开(公告)日：2023-05-23
申请号：CN202211602944.7
申请日：2022-12-13
Applicant: 北京理工大学重庆创新中心 , 重庆市特种设备检测研究院 , 重庆大学
IPC: G06V10/774 , G06V10/764 , G06V10/98 , G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，公开了一种构建焊缝X光片人工智能训练集的标注方法，包括以下步骤，采集合格的焊缝射线X光片，缺陷数据分选，缺陷数据数字化，数据自动标注，标注结果分类和数据集构建；在所述数据自动标注时，采用训练好的缺陷及焊缝检测模型进行结果预测，预测的结果作为预标注文件，采取合适的置信度阈值作为标准的检测结果，置信度大于所述置信度阈值的进入标准训练集，置信度小于所述置信度阈值的则不进入标准训练集。本发明能够提升数据标注精度及效率，为焊缝X光片人工智能训练集提供标准数据集，提升焊缝智能检测模型开发效率及精度。
-
公开(公告)号：CN221506709U
公开(公告)日：2024-08-09
申请号：CN202322894558.6
申请日：2023-10-27
Applicant: 北京理工大学重庆创新中心
Abstract: 本实用新型提出了一种缺陷无损检测装置，包括能够升降和横向运动的可变形框架，可变形框架能够变形为环形，环形的可变形框架的直径能够伸缩，可变形框架上设置有若干检测部件，检测部件包括用于检测工件内部缺陷的超声检测部件、以及用于检测工件表面缺陷的摄像部件；通过竖向或横向运动可变形框架，检测部件能够沿着工件的长度方向运动、以对工件的外表面、内表面和内部进行检测。本实用新型的超声检测部件和摄像部件安装在可变形框架上，能够通过改变可变形框架的形状和直径，来适应不同形状和大小的工件，通过可变形框架的竖向或横向移动来覆盖工件的所有表面和内部的检测，能够同时检测石油储罐、油管及其附件，通用性强。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
