-
Patent Agency Ranking
公开(公告)号：CN110363781B
公开(公告)日：2022-08-12
申请号：CN201910581281.7
申请日：2019-06-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的熔池轮廓检测方法，采集焊接时的熔池图像，裁去冗余背景，得到原始熔池图像集；制作分割标记样本，与原始熔池图像集构成熔池图片标记数据集；利用生成对抗网络DCGAN进行训练，生成与原始熔池图像相似的图像，与熔池图片标记数据集构成扩充的熔池图片标记数据集；进行色彩学和形态学上的数据增广，放入语义分割网络中进行训练，提取熔池轮廓。本发明在节省人力与时间的同时，使网络模型具备了更好的泛化能力，并且更好地提升了对熔池弱边缘区域的分割精度。
-
公开(公告)号：CN108335288A
公开(公告)日：2018-07-27
申请号：CN201810047308.X
申请日：2018-01-18
Applicant: 南京理工大学
CPC classification number: G06T7/0006 , G06T5/003 , G06T7/13 , G06T7/136 , G06T7/181 , G06T2207/10004 , G06T2207/20024 , G06T2207/30152
Abstract: 本发明提出了一种根据视觉清晰度的值与轮廓的宽度的变化从而判别该熔池图像所属异常类别的检测方法；本发明从图像视觉角度出发，结合清晰度以及轮廓提取的运算特性，先用清晰度算子进行初分类，再结合轮廓宽度对焊速进行再分类，在一定程度上减小了运算时间。且本发明所采用双光路视觉感知装置，有效的提高视觉轮廓和清晰度提取精度。
-
公开(公告)号：CN108320280A
公开(公告)日：2018-07-24
申请号：CN201810040219.2
申请日：2018-01-16
Applicant: 南京理工大学
Abstract: 本发明提出了一种根据视觉清晰度的值与轮廓的宽度的变化从而判别该熔池图像所属异常类别的检测方法；本发明从图像视觉角度出发，结合清晰度以及轮廓提取的运算特性，先用清晰度算子进行初分类，再结合轮廓宽度对焊速进行再分类，在一定程度上减小了运算时间。且本发明所采用双光路视觉感知装置，有效的提高视觉轮廓和清晰度提取精度。
-
公开(公告)号：CN108320280B
公开(公告)日：2022-03-15
申请号：CN201810040219.2
申请日：2018-01-16
Applicant: 南京理工大学
Abstract: 本专利提出了一种根据视觉清晰度的值与轮廓的宽度的变化从而判别该熔池图像所属异常类别的检测方法；本专利从图像视觉角度出发，结合清晰度以及轮廓提取的运算特性，先用清晰度算子进行初分类，再结合轮廓宽度对焊速进行再分类，在一定程度上减小了运算时间。且本专利所采用双光路视觉感知装置，有效的提高视觉轮廓和清晰度提取精度。
-
公开(公告)号：CN110363781A
公开(公告)日：2019-10-22
申请号：CN201910581281.7
申请日：2019-06-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的熔池轮廓检测方法，采集焊接时的熔池图像，裁去冗余背景，得到原始熔池图像集；制作分割标记样本，与原始熔池图像集构成熔池图片标记数据集；利用生成对抗网络DCGAN进行训练，生成与原始熔池图像相似的图像，与熔池图片标记数据集构成扩充的熔池图片标记数据集；进行色彩学和形态学上的数据增广，放入语义分割网络中进行训练，提取熔池轮廓。本发明在节省人力与时间的同时，使网络模型具备了更好的泛化能力，并且更好地提升了对熔池弱边缘区域的分割精度。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
