-
公开(公告)号：CN115100120A
公开(公告)日：2022-09-23
申请号：CN202210624077.0
申请日：2022-06-02
Applicant: 华中科技大学
Abstract: 本发明属于神经网络特征提取相关技术领域，其公开了一种增强神经网络特征多样性的缺陷检测方法及系统，方法包括：将待检测图像输入第一神经网络特征提取模块和第二神经网络提取模块，以提取不同维度的图像缺陷特征；采用特征差异性损失函数计算上述两提取模块提取到的图像缺陷特征之间的差异性损失，基于分割损失和差异性损失构建训练函数；采用训练函数对两种神经网络提取模块、以及两种神经网络提取模块提取结果的融合解码过程进行训练，直至收敛，得到缺陷图像。本申请提出一种能够提取不同特征的神经网络模块和衡量不同模块提取到特征之间差异性的损失函数，进而获得多样性特征，降低特征冗余，提升检测效果。
-
公开(公告)号：CN114022586A
公开(公告)日：2022-02-08
申请号：CN202111240124.3
申请日：2021-10-25
Applicant: 华中科技大学
IPC: G06T11/00 , G06T7/00 , G06V10/774
Abstract: 本发明属于图像处理相关技术领域，其公开了一种基于对抗生成网络的缺陷图像生成方法，方法包括以下步骤：(1)采集工件的缺陷图像及无缺陷图像以分别构建缺陷数据集及无缺陷数据集，并对缺陷数据集进行像素级标注；(2)分别构建缺陷掩码输入模块及缺陷生成对抗网络；(3)构建缺陷方向向量模块；(4)构建缺陷注意损失，缺陷注意损失包括缺陷全图损失及缺陷区域损失；(5)训练缺陷生成对抗网络以得到缺陷生成参数模型，采用该缺陷生成参数模型生成缺陷图像。本发明能够生成“以假乱真”且超越现有采样数据空间限制的缺陷图像数据集，生成缺陷图像单张图像质量高，生成缺陷图像数据集缺陷多样性好，具有生成采样数据空间之外数据的能力。
-
公开(公告)号：CN114022586B
公开(公告)日：2024-07-02
申请号：CN202111240124.3
申请日：2021-10-25
Applicant: 华中科技大学
IPC: G06T11/00 , G06T7/00 , G06V10/774
Abstract: 本发明属于图像处理相关技术领域，其公开了一种基于对抗生成网络的缺陷图像生成方法，方法包括以下步骤：(1)采集工件的缺陷图像及无缺陷图像以分别构建缺陷数据集及无缺陷数据集，并对缺陷数据集进行像素级标注；(2)分别构建缺陷掩码输入模块及缺陷生成对抗网络；(3)构建缺陷方向向量模块；(4)构建缺陷注意损失，缺陷注意损失包括缺陷全图损失及缺陷区域损失；(5)训练缺陷生成对抗网络以得到缺陷生成参数模型，采用该缺陷生成参数模型生成缺陷图像。本发明能够生成“以假乱真”且超越现有采样数据空间限制的缺陷图像数据集，生成缺陷图像单张图像质量高，生成缺陷图像数据集缺陷多样性好，具有生成采样数据空间之外数据的能力。
-
公开(公告)号：CN109583474B
公开(公告)日：2022-07-05
申请号：CN201811297153.1
申请日：2018-11-01
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明属于图像处理领域，并具体公开了一种用于工业大数据处理的训练样本生成方法，包括：构建各类工业图像数据集，并根据各类工业图像数据集中的数据量划分出大样本数据集与小样本数据集；构建工业图像生成对抗网络及优化目标函数，基于优化目标函数对工业图像生成对抗网络进行迭代训练获得小样本生成参数模型；将大样本数据集中的大样本图像输入训练获得的小样本生成参数模型中以生成小样本图像，以此完成训练样本的生成。本发明无需对工业图像进行复杂的数字图像处理操作，也无需对原始工业图像进行各种变换，可以避免过多的人工干预，减少操作人员专业素养造成的工业图像生成的误差。
-
公开(公告)号：CN112336374B
公开(公告)日：2022-02-15
申请号：CN201910734079.3
申请日：2019-08-09
Applicant: 华中科技大学
IPC: A61B8/00
Abstract: 本发明属于超声诊断领域，并具体公开了一种颈动脉超声探头的精确定位装置及方法，该装置的精定位机构固定在支架的上方，用于检测探头相对于待测对象头部的位姿，使用时探头位置测量辅助机构与探头连接，用于提供编码标记点，工作时，待测对象头部位于精定位机构的下方，该精定位机构分别检测待测对象头部和探头相对于世界坐标系的位姿，以此获得探头相对于待测对象头部的位姿。本发明能够确保在颈动脉粥样斑块复查中快速且准确地将探头定位到初次探测的位置，获得相同的超声切面，从而减少用户主观因素的影响，使多次诊断结果之间具有可比性，从根本上解决多次检测结果无法进行有效比照的技术难题。
-
Patent Agency Ranking
公开(公告)号：CN112336374A
公开(公告)日：2021-02-09
申请号：CN201910734079.3
申请日：2019-08-09
Applicant: 华中科技大学
IPC: A61B8/00
Abstract: 本发明属于超声诊断领域，并具体公开了一种颈动脉超声探头的精确定位装置及方法，该装置的精定位机构固定在支架的上方，用于检测探头相对于待测对象头部的位姿，使用时探头位置测量辅助机构与探头连接，用于提供编码标记点，工作时，待测对象头部位于精定位机构的下方，该精定位机构分别检测待测对象头部和探头相对于世界坐标系的位姿，以此获得探头相对于待测对象头部的位姿。本发明能够确保在颈动脉粥样斑块复查中快速且准确地将探头定位到初次探测的位置，获得相同的超声切面，从而减少用户主观因素的影响，使多次诊断结果之间具有可比性，从根本上解决多次检测结果无法进行有效比照的技术难题。
-
公开(公告)号：CN101847098A
公开(公告)日：2010-09-29
申请号：CN201010184975.6
申请日：2010-05-28
Applicant: 华中科技大学
IPC: G06F9/44
Abstract: 本发明提出了一种可重构的虚拟仪器构件阵列，用于装配组合虚拟仪器，包括软元件(2)、软件装配面包板(4)、装配记录模块和装配解释模块；所述软元件(2)封装了各种功能模块，用于实现虚拟仪器中的各种功能；所述软件装配面包板(4)包括软数据导线(1)和软开关矩阵(3)，用于为各种软元件(2)的组装提供装配环境；所述装配记录模块用于对虚拟仪器的装配过程和装配结果进行记录，所述装配解释模块用于解释装配模块的记录结果，以复现或重构装配组合好的虚拟仪器测量系统。利用该技术开发的测量仪器和测量系统具有在线、在系统功能升级和重构能力，支持用户在应用阶段对测量仪器功能进行修改和调整。
-
公开(公告)号：CN111445484B
公开(公告)日：2022-08-02
申请号：CN202010247704.4
申请日：2020-04-01
Applicant: 华中科技大学
Abstract: 本发明属于机器视觉与机器学习领域，并具体公开了一种基于图像级标注的工业图像异常区域像素级分割方法，包括如下步骤：S1获取工业图像数据集，并进行图像级标注；S2构建正常图像模板生成网络，其包括正常图像模板生成器、异常图像模板生成器、正常图像鉴别器、异常图像鉴别器；S3根据优化目标，通过工业图像数据集对正常图像模板生成网络进行训练，得到正常图像模板生成模型；S4将待测工业图像输入正常图像模板生成模型中，得到对应的正常图像模板，进而将其与待测工业图像进行对比，实现对工业图像异常区域的分割。本方法能基于图像级标注数据获取精确的像素级图像分割结果，且相对于其他弱监督分割方法具有更好的实时性与泛化性。
-
公开(公告)号：CN112669265B
公开(公告)日：2022-06-21
申请号：CN202011500470.6
申请日：2020-12-17
Applicant: 华中科技大学
Abstract: 本发明属于图像处理相关技术领域，其公开了一种基于傅里叶变换和图像梯度特征实现表面缺陷检测的方法，包括以下步骤：(1)将采集到的工件表面图像转为灰度图；(2)求图像的梯度方向特征图，并将梯度方向进行压缩；(3)生成梯度方向矩形和垂直梯度方向矩形；(4)分别计算得到所述梯度方向矩形及所述垂直梯度方向矩形的灰度特征，并分别写入新的图像中以得到对应的梯度方向特征图及垂直梯度方向特征图；(5)将梯度方向特征图及垂直梯度方向特征图相乘，并做灰度拉伸变换；(6)对图像做阈值提取以得到疑似缺陷区域，并对所述疑似缺陷区域进行对比度筛选以得到目标区域，继而完成表面缺陷检测。本发明提高了准确性和实时性。
-
公开(公告)号：CN109583474A
公开(公告)日：2019-04-05
申请号：CN201811297153.1
申请日：2018-11-01
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明属于图像处理领域，并具体公开了一种用于工业大数据处理的训练样本生成方法，包括：构建各类工业图像数据集，并根据各类工业图像数据集中的数据量划分出大样本数据集与小样本数据集；构建工业图像生成对抗网络及优化目标函数，基于优化目标函数对工业图像生成对抗网络进行迭代训练获得小样本生成参数模型；将大样本数据集中的大样本图像输入训练获得的小样本生成参数模型中以生成小样本图像，以此完成训练样本的生成。本发明无需对工业图像进行复杂的数字图像处理操作，也无需对原始工业图像进行各种变换，可以避免过多的人工干预，减少操作人员专业素养造成的工业图像生成的误差。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
