-
公开(公告)号：CN117197146A
公开(公告)日：2023-12-08
申请号：CN202311475522.2
申请日：2023-11-08
Applicant: 北京航空航天大学江西研究院 , 北京航空航天大学
IPC: G06T7/00 , G06V10/82 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开一种铸件内部缺陷自动识别方法，属于铸件缺陷检测领域，包括：采集具有内部缺陷的铸件DR图像数据集；利用图像处理方法优化铸件DR图像；构建一个端到端的三阶段神经网络Mask R‑CNN变体模型，三个阶段分别为特征提取阶段、候选框生成阶段以及目标识别阶段，其中在特征提取阶段尾部添加注意力机制模块，在候选框生成阶段中后处理部分使用改进的非极大值抑制算法；用优化的铸件DR图像数据集训练上述模型；将待测铸件DR图像输入到训练完成的模型中，模型输出相应的缺陷信息（如类型、位置和大小等）。本发明实现了铸件内部缺陷的自动化识别，提高了识别精度，满足了铸件内部缺陷检测的实际生产需求。
-
公开(公告)号：CN110751701B
公开(公告)日：2021-03-30
申请号：CN201910991991.7
申请日：2019-10-18
Applicant: 北京航空航天大学 , 北京航空航天大学江西研究院
Abstract: 本发明公开了一种基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，该方法包括如下步骤：使用滤波反投影重建算法获得初始重建图像；对上述初始重建图像进行前向投影获得被伪影污染的投影序列；利用深度学习技术处理上述被伪影污染的投影序列，获得不含伪影的投影序列；利用滤波反投影重建算法对上述不含伪影的投影序列进行重建，获得最终的重建结果图像。本发明实施例相比于传统的不完备数据重建方法，计算流程简单、需要人为设置的参数更少，计算速度更快，图像质量更高。
-
公开(公告)号：CN118777337A
公开(公告)日：2024-10-15
申请号：CN202411281104.4
申请日：2024-09-13
Applicant: 北京航空航天大学 , 北京航空航天大学宁波创新研究院
IPC: G01N23/041 , A61B6/40 , A61B6/00
Abstract: 本发明公开了一种基于双向错位吸收光栅的X射线光栅成像装置及方法，本发明属于X射线相位衬度成像技术领域，采用双向错位吸收光栅布置X射线光栅干涉成像装置，并获取X射线二维强度图像；以九宫格临近项近似方法结合傅里叶分析法对X射线二维强度图像进行提取，提取出X射线吸收衬度、差分相位衬度以及暗场衬度三种图像；以基于像素值相似度的图像后处理算法对衬度图像进行处理，改进图像质量。本发明不需要移动光栅，在一次曝光下即可获得多种衬度图像，大幅减少了成像时间、降低了成像剂量、提高了系统成像效率和稳定性。此外，本发明方法对空间分辨率的影响较小，能减少衬度图像中由错位光栅引起的结构性条纹，能最大限度保证图像质量。
-
公开(公告)号：CN117252862A
公开(公告)日：2023-12-19
申请号：CN202311493282.9
申请日：2023-11-10
Applicant: 北京航空航天大学江西研究院 , 北京航空航天大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/764
Abstract: 本发明公开了一种基于SE‑ResNeXt铸件缺陷识别方法，涉及铸件缺陷检测技术领域，包括：S1、采集铸件缺陷图像数据样本；S2、利用数据处理方法优化铸件缺陷图像；S3、构建一个端到端的两阶段神经网络的Cascade‑rcnn变体模型，主干网络采用ResNeXt，同时借鉴SENet思想，在保证模型速度的同时提高检测精度；S4、将优化后的铸件缺陷图像训练Cascade‑rcnn变体模型；S5、将待测试的铸件图像输入到Cascade‑rcnn变体模型中，输出缺陷位置和缺陷大小，由此完成整体铸件图像的缺陷自动化识别过程。本发明可以在保证模型检测速度的同时，实现更加精确的铸件缺陷识别结果。
-
公开(公告)号：CN111009019A
公开(公告)日：2020-04-14
申请号：CN201910922948.5
申请日：2019-09-27
Applicant: 北京航空航天大学 , 北京航空航天大学江西研究院
IPC: G06T11/00
Abstract: 本发明公开了一种基于深度学习的微分相衬CT不完备数据重建方法，该方法包括如下步骤：使用滤波反投影重建算法获得初始重建图像；对上述初始重建图像进行前向投影获得被伪影污染的投影序列；对上述被伪影污染的投影序列进行微分操作，获得被伪影污染的微分相衬投影序列；利用深度学习技术处理上述被伪影污染的微分相衬投影序列，获得不含伪影的微分相衬投影序列；利用滤波反投影重建算法对上述不含伪影的微分相衬投影序列进行重建，获得最终的重建结果图像。本发明实施例相比于传统的重建方法，不仅能处理微分相衬CT不完备数据，而且需要人为设置的参数更少，计算速度更快。
-
Patent Agency Ranking
公开(公告)号：CN110751701A
公开(公告)日：2020-02-04
申请号：CN201910991991.7
申请日：2019-10-18
Applicant: 北京航空航天大学 , 北京航空航天大学江西研究院
Abstract: 本发明公开了一种基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，该方法包括如下步骤：使用滤波反投影重建算法获得初始重建图像；对上述初始重建图像进行前向投影获得被伪影污染的投影序列；利用深度学习技术处理上述被伪影污染的投影序列，获得不含伪影的投影序列；利用滤波反投影重建算法对上述不含伪影的投影序列进行重建，获得最终的重建结果图像。本发明实施例相比于传统的不完备数据重建方法，计算流程简单、需要人为设置的参数更少，计算速度更快，图像质量更高。
-
公开(公告)号：CN118411363B
公开(公告)日：2024-09-17
申请号：CN202410874740.1
申请日：2024-07-02
Applicant: 北京航空航天大学江西研究院 , 北京航空航天大学
Abstract: 本发明公开一种基于复合骨干改进网络的铸件DR图像检测方法，属于铸件缺陷识别领域，包括以下步骤：S1:采集铸件DR图像缺陷数据，数据预处理；S2:构建铸件DR图像缺陷识别数据集；S3:构建复合骨干改进网络，特征提取网络由2组相同的增加稀疏可变形注意力模块的窗口变压器网络的并行网络组成，特征金字塔网络为BiFPN网络和检测头；S4:使用构建的铸件DR图像缺陷数据集训练所述的复合骨干改进网络；S5:将待检测的铸件DR图像输入到训练好的复合骨干最佳模型中，输出缺陷坐标、类别和大小等缺陷信息。本发明可以提升小目标的检测精度，降低漏检率。
-
公开(公告)号：CN118411363A
公开(公告)日：2024-07-30
申请号：CN202410874740.1
申请日：2024-07-02
Applicant: 北京航空航天大学江西研究院 , 北京航空航天大学
Abstract: 本发明公开一种基于复合骨干改进网络的铸件DR图像检测方法，属于铸件缺陷识别领域，包括以下步骤：S1:采集铸件DR图像缺陷数据，数据预处理；S2:构建铸件DR图像缺陷识别数据集；S3:构建复合骨干改进网络，特征提取网络由2组相同的增加稀疏可变形注意力模块的窗口变压器网络的并行网络组成，特征金字塔网络为BiFPN网络和检测头；S4:使用构建的铸件DR图像缺陷数据集训练所述的复合骨干改进网络；S5:将待检测的铸件DR图像输入到训练好的复合骨干最佳模型中，输出缺陷坐标、类别和大小等缺陷信息。本发明可以提升小目标的检测精度，降低漏检率。
-
公开(公告)号：CN117218121A
公开(公告)日：2023-12-12
申请号：CN202311475851.7
申请日：2023-11-08
Applicant: 北京航空航天大学江西研究院 , 北京航空航天大学
IPC: G06T7/00 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0985 , G06N3/084
Abstract: 本发明公开一种铸件DR图像缺陷识别方法，包括采集具有铸件DR图像缺陷数据，使用图像滤波和图像增强预处理方法优化铸件DR图像；制作铸件DR图像缺陷识别数据集，使用数据增强方法，离线扩充数据集；构建端到端的Cascade RCNN改进模型，使用ConvNext网络作为主干网络与FPG特征金字塔结构组成特征提取网络；使用划分好铸件DR图像缺陷数据集训练改进的Cascade RCNN模型；将待检测的铸件DR图像输入到训练好改进的Cascade RCNN最佳模型中，相应对缺陷的位置进行标注，同时标注出缺陷种类的信息。本发明能够准确识别、分割铸件缺陷，降低铸件缺陷检测的漏检率。
-
公开(公告)号：CN114894824A
公开(公告)日：2022-08-12
申请号：CN202210539236.7
申请日：2022-05-18
Applicant: 北京航空航天大学 , 北京航空航天大学江西研究院
IPC: G01N23/046
Abstract: 本发明提出一种分析纳米颗粒三维分布并获得其多尺度信息的方法。该方法包括：步骤1、制备陶瓷基纳米复合材料的样品并设计同步辐射纳米CT成像实验；步骤2、获取纳米CT投影序列并进行CT重建与三维可视化；步骤3、建立样品中任意空间感兴趣区域内纳米颗粒的三维高阶最近邻指数模型；步骤4、根据三维高阶最近邻指数模型的分析计算定性定量表征纳米颗粒的三维分布模式并获得纳米颗粒的多尺度信息。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.046 seconds)
