-
公开(公告)号：CN115345872A
公开(公告)日：2022-11-15
申请号：CN202211081229.3
申请日：2022-09-05
Applicant: 南京理工大学
IPC: G06T7/00 , G06T5/00 , G06T7/90 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于自适应降噪的刀具损伤灰度图像智能分类方法，主要包括一个由自适应降噪模块和一个刀具损伤图像分类模块组成的网络；降噪模块与分类模块同时接受端到端联合训练，共享并优化网络参数，同时在损失函数中增加一个平衡参数，该参数根据反向传播算法反馈的分类结果自适应优化降噪等级，最终达到分类性能最优。本发明可自动识别图像是否含有噪声以及批量解决图像噪声对于刀具损伤灰度图像的分类问题，通过自适应降噪模式提升模型对于困难样本的预测能力，能够有效去除图像噪声，同时通过相应的损失函数降低对抗噪声的放大效应，最终从图像处理数量、图像质量以及预测效率上提升了刀具损伤灰度图像的智能分类能力。
-
公开(公告)号：CN113927370A
公开(公告)日：2022-01-14
申请号：CN202111110226.3
申请日：2021-09-22
Applicant: 南京理工大学
IPC: B23Q17/09
Abstract: 本发明公开了一种基于多源信号的刀具剩余寿命实时云监测系统及方法，系统包括多源信号采集子系统，云处理子系统，刀库，数控系统；云处理子系统为产线内各个机床及其刀库内刀具进行编号，并通过局域网实时接收多源信号采集子系统采集的各机床外加传感器信号，基于核主成分分析法进行多源数据融合，基于最小二乘支持向量机实时计算各刀具剩余寿命预测结果，当剩余寿命预测结果超出阈值范围，云处理子系统向对应机床数控系统发送换刀指令，并记录该刀具编号，以便及时从刀库内撤出该刀具。通过本发明能够实时准确的监测产线内各刀具剩余寿命，避免了因刀具损伤造成的加工质量恶化与刀具冗余设置造成的刀具浪费，提升了产线智能化水平。
-
公开(公告)号：CN119091270A
公开(公告)日：2024-12-06
申请号：CN202411028400.3
申请日：2024-07-29
Applicant: 南京理工大学
IPC: G06V10/82 , G06N3/0455 , G06N3/0985 , G06V10/774 , G06V10/776 , G06V10/26 , G01N21/88 , B23Q17/09
Abstract: 本发明提出了一种基于Swin‑Transformer的刀具损伤智能定量检测方法，首先对刀具图像分割数据集进行精细的像素级标注，构建实际直径与像素直径之间的比例尺。在训练过程中，通过引入刀具平均损伤带宽度损失，并结合SW‑MSA(移位窗口多头自注意力)模块，有效解决了传统自注意力机制在局部信息敏感性不足及对噪声敏感的问题。该技术能够高效处理来自不同空间区域的信息，更精准地捕捉目标任务特征，不仅增强了模型对刀具平均磨损带宽度特征的敏感度，还显著降低了计算成本。与现有方法相比，该技术不仅优化了多尺度特征的利用，降低了模型计算复杂度，且更加聚焦于刀具损伤的定量化检测目标，从而显著提升了检测性能，推动了刀具损伤智能检测领域的进一步发展。
-
公开(公告)号：CN114367996A
公开(公告)日：2022-04-19
申请号：CN202210157525.0
申请日：2022-02-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种刀具损伤原位检测与换刀机器人，包括移动操作机器人、视觉检测模块、智能换刀模块和备用刀库。移动操作机器人包括移动机器人和协作机械臂，用于带动视觉检测模块和智能换刀模块分别到达检测工位和换刀工位；视觉检测模块和智能换刀模块通过快换装置安装在协作机械臂末端执行器上，分别用于刀具的原位检测和损伤刀具的及时更换；备用刀库设置在移动机器人上，用于临时储存备用新刀具和换下的损伤刀具。本发明将刀具视觉原位检测与换刀有机结合，对检测不合格的损伤刀具进行及时更换，有助于大幅提升机床和产线的智能化水平、柔性化水平、加工质量和加工效率。
-
公开(公告)号：CN116993711A
公开(公告)日：2023-11-03
申请号：CN202311044500.0
申请日：2023-08-17
Applicant: 南京理工大学 , 南京禹其源智能装备科技有限公司
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/096 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于自蒸馏的刀具损伤智能检测方法，摈弃了传统的知识蒸馏的两阶段训练策略，通过将师生网络的内部拆分为不同的浅层部分，将知识从深度网络中挤出，进入浅层网络，并添加对应的分类器、瓶颈层以及全连接层进行单阶段端到端训练；其中瓶颈层可抑制多个分类器间的内部干扰，从而保证学生模型在学到更多知识的同时提升识别精度；通过增加自适应降噪的损失函数提升模型检测实际工况下噪声刀具图像的鲁棒性；通过在不同来源的损失函数中加入超参数θ和λ，进行模型自适应精度和效率的权衡；与现有方法相比，该方法极大降低了训练时间，提升了模型性能，最终能够灵活部署于基于视觉图像的刀具损伤智能检测终端设备。
-
Patent Agency Ranking
公开(公告)号：CN114310472B
公开(公告)日：2023-06-09
申请号：CN202210053005.5
申请日：2022-01-17
Applicant: 南京理工大学
IPC: B23Q11/10
Abstract: 本发明公开了一种应用于数控机床的智能冷却润滑装置及方法。该装置包括冷却润滑系统、状态监测系统、密封模块和便捷安装模块。其中，冷却润滑系统包括涡流冷却部件、气液混合部件、流量调节器、进气进液开关；状态监测系统包括显示调节部件、温度流量传感器、自动控制开关；通过集成机加工冷却装置和润滑装置，将气液混合部件的两输入端分别与涡流冷却部件和流量调节器相连，利用涡流冷却和微量润滑原理进行加工区域冷却润滑；并利用内部安装的温度和流量传感器，对温度流量数据进行智能监测，并将采集的温度流量数据通过显示调节部件进行实时显示。本发明结构新颖，操作简单，集成度高，安装便捷，节能环保，自动化程度高，有很高的推广价值。
-
公开(公告)号：CN118905721A
公开(公告)日：2024-11-08
申请号：CN202411197256.6
申请日：2024-08-29
Applicant: 南京理工大学 , 南京禹其源智能装备科技有限公司
Abstract: 本发明公开了一种面向刀具损伤检测的机器人视觉系统自动对准对焦方法，所述包括：提出了融合YOLOv5网络智能感兴趣区域(ROI)的自动对准算法和改进的Laplacian自动对焦算法。首先，搜索刀具位置并去雾降噪。然后，以刀具中心点作为关键特征，通过多点分布移动和加权修正最小二乘法优化，计算机械臂末端对准位姿。最后，自适应动态筛选ROI对焦窗口，取该区域与Laplace算子做卷积运算后的梯度平方和作为清晰度评价值，以此确定机械臂对焦位姿，最终得到高质量刀具损伤图像。该方法克服了传统方法在多景深油污粉尘恶劣工况以及被测目标廓形复杂下的局限性，敏感反映清晰度突变，提高了对焦灵敏度，降低了对准中心点误差，有效排除背景及油污粉尘干扰，提升了刀具损伤视觉检测系统的效率和灵活性。
-
公开(公告)号：CN113752088B
公开(公告)日：2024-04-19
申请号：CN202111113329.5
申请日：2021-09-22
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于机器视觉的刀库集成式刀具损伤检测系统及方法，系统包括刀库视觉检测子系统、刀具清洁子系统、软件控制与分析子系统；刀库视觉检测子系统设置在刀库内换刀位置一侧，当待测刀具通过退刀步骤退回至刀库内换刀位置后，刀库视觉检测子系统采集待测刀具底刃、侧刃图像；刀具清洁子系统设置在主轴外壳上，用于采集刀具损伤图像前清除刀具表面切屑、切削液、粉尘；软件控制与分析子系统用于控制刀库视觉检测子系统与刀具清洁子系统动作，并进一步对采集的刀具图像进行分析。本发明适用于具备刀库的机床，能够在大量使用切削液的传统切削环境和少无切削液的清洁切削环境等典型实际加工环境下实现刀具损伤的高精高效检测。
-
公开(公告)号：CN113843659A
公开(公告)日：2021-12-28
申请号：CN202111110885.7
申请日：2021-09-22
Applicant: 南京理工大学
IPC: B23Q17/09
Abstract: 本发明公开了一种基于机器视觉的主轴集成式刀具损伤变频在机检测系统及方法，该系统包括机器视觉检测子系统，位姿调整子系统，软件子系统；机器视觉检测子系统安装在主轴箱体外壳上，用于在机采集刀具底刃、侧刃图像；软件子系统用于控制机器视觉检测子系统、位姿调整子系统动作，并对刀具损伤图像进行分析，同时能够记录刀具损伤历史检测结果，进而根据前次刀具损伤检测结果动态调节机器视觉检测子系统采集刀具图像的间隔时长。通过本发明，能够在机床有限空间内实现兼顾精度与效率的刀具损伤检测。
-
公开(公告)号：CN116309458A
公开(公告)日：2023-06-23
申请号：CN202310277281.4
申请日：2023-03-21
Applicant: 南京理工大学
IPC: G06T7/00 , G06V10/22 , G06V10/764 , G06V10/774 , G06T7/62 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于改进YOLOX的刀具损伤智能检测及预警方法，引入Local‑attention注意力模块，提升模型对损伤区域的定位精度及运算效率；同时将Neck部分替换为MobileNetv3轻量级网络，减少参数量的同时模型易于部署；将定位损失替换为GIOU损失，解决人工标注框的重叠问题；将置信度预测损失替换为Focal Loss，提升模型对困难样本的预测能力最终达到最优检测性能。本发明可批量解决刀具损伤图像的定位与检测问题，将局部注意力模块与置信度预测损失函数相结合，提升模型检测困难样本的能力，增加相应的定位损失函数解决人工标注框重叠带来的预测精度降低问题，设置刀具健康预警模块实现换刀或预警处理，最终从预测精度及效率上提升了刀具损伤图像的智能检测与预警能力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
