-
公开(公告)号：CN113706485B
公开(公告)日：2024-07-26
申请号：CN202110942162.7
申请日：2021-08-17
Applicant: 南京理工大学
Abstract: 本发明涉及一种焊缝余高超前定量预测方法，包括如下步骤：1.通过熔池图像得到熔池图像预测模型。2.得到定量回归模型。3.将实时熔池图像输入熔池图像预测模型得到预测熔池图像a，将预测熔池图像a输入定量回归模型，得到余高预测值。本发明多用于对形态质量的超前预测，当熔焊增材过程中出现质量问题，工件只能废弃或返修。为了保障熔焊增材过程平稳可靠运行，就需要对形态质量进行超前分析。超前分析是通过处理T0时刻熔池图像或包含前序的熔池图像序列进而得到T+N时刻的形态质量，超前得到未来时刻的形态质量，这样就可以通过实现闭环控制而不是单一的实时监测。
-
公开(公告)号：CN114682879B
公开(公告)日：2024-06-21
申请号：CN202210245665.3
申请日：2022-03-14
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于目标跟踪的焊缝跟踪方法，包括：1.系统标定并构建参考系转换系统，2.图像采集和预处理，3.焊缝特征提取，4.三维转换和传递，通过参考系转换系统将最高分的特征点的二维坐标转换成供焊接机器人执行的三维坐标，5.焊缝跟踪：焊接机器人根据收到的连续的特征点坐标进行焊缝跟踪焊接。本发明不存在模型漂移现象且获得的特征点回归绝对误差都在4个像素以内，准确性高；本发明利用多帧图像的相关信息，消除了某些特殊帧强噪声带来的干扰，成功地预测出目标位置；实际焊接过程中算法获取的焊点和人工标记的焊点各维度误差都在1mm以内，验证了本发明的准确性和鲁棒性。
-
公开(公告)号：CN117934908A
公开(公告)日：2024-04-26
申请号：CN202311765701.X
申请日：2023-12-20
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06T7/00 , G06T7/33 , G06T7/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态语义分割模型的焊缝识别方法，采用焊缝识别系统，所述焊缝识别系统包括左相机、投影仪和右相机，所述投影仪设置在所述左相机和右相机之间，包括如下步骤：利用焊缝识别系统对工件进行识别，得到工件的三维点云；对三维点云进行数据预处理，得到预处理点云；对所述预处理点云进行标注获得训练数据集；用训练数据集训练多模态语义分割模型，所述多模态语义分割模型包括透视投影处理模块、特征融合模块RF和置信损失模块CL；利用所述多模态语义分割模型对工件焊缝进行识别。
-
公开(公告)号：CN115633243B
公开(公告)日：2023-08-04
申请号：CN202211527434.8
申请日：2022-12-01
Applicant: 南京理工大学
IPC: H04N23/55 , H04N23/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于传输矩阵理论的透过散射介质泛化成像方法，包括如下步骤：采集散斑图案，使用包括数字字符目标、字母和汉字目标的实验数据。采用因子化卷积方法，损失函数为均方误差和负皮尔逊相关系数的结合。测量阶段使用字符目标制作的标定图像进行TM的测量，成像阶段将DL数据挖掘能力与测量的TM相结合，通过基于TM原理的物理自闭环约束的骨干网络进行训练而重建成像。成像阶段借助相位检索算法恢复的TM进行成像，相位检索算法结合进行测量阶段恢复的TM进行成像。网络结构大大减少了TM测量阶段所需的数据量，成像阶段的自闭环约束也使成像网络减少了对训练集完整性的过分依赖。
-
公开(公告)号：CN115633243A
公开(公告)日：2023-01-20
申请号：CN202211527434.8
申请日：2022-12-01
Applicant: 南京理工大学
IPC: H04N23/55 , H04N23/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于传输矩阵理论的透过散射介质泛化成像方法，包括如下步骤：采集散斑图案，使用包括数字字符目标、字母和汉字目标的实验数据。采用因子化卷积方法，损失函数为均方误差和负皮尔逊相关系数的结合。测量阶段使用字符目标制作的标定图像进行TM的测量，成像阶段将DL数据挖掘能力与测量的TM相结合，通过基于TM原理的物理自闭环约束的骨干网络进行训练而重建成像。成像阶段借助相位检索算法恢复的TM进行成像，相位检索算法结合进行测量阶段恢复的TM进行成像。网络结构大大减少了TM测量阶段所需的数据量，成像阶段的自闭环约束也使成像网络减少了对训练集完整性的过分依赖。
-
Patent Agency Ranking
公开(公告)号：CN113034512B
公开(公告)日：2022-11-11
申请号：CN202110277763.0
申请日：2021-03-15
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于特征分割的焊缝跟踪方法，步骤为：1.采集熔池图像，对熔池图像进行ROI选择。2.采用ERFNet的Encoder‑Decoder分割网络结构进行熔池图像分割，使用语义分割常用的交叉熵损失函数，融合全局特征信息，并在主干网络中加入金字塔池化模块。本发明对现有的ERFNet的网络结构和损失函数进行了改进，网络结构上参考UNet对高层特征和底层特征进行多尺度特征融合，损失函数上用Focal Loss代替交叉熵损失函数。避免激光条纹中心线出现断线、焊接特征点偏差过大等问题。有效提升特征提取算法的性能，准确提取各层各道焊缝的激光条纹中心线和焊缝特征点，不损失算法的效率，保证焊缝跟踪对实时性的要求。
-
公开(公告)号：CN115307542A
公开(公告)日：2022-11-08
申请号：CN202210681404.6
申请日：2022-06-16
Applicant: 南京理工大学 , 北京星航机电装备有限公司
IPC: G01B11/00
Abstract: 本发明公开一种基于激光扫描仪的工业机器人工具坐标系标定方法，包括步骤为：将机器人的末端A5轴平行于基面，保持法兰盘中心位置不变，使法兰盘中心分别绕法兰盘坐标系X轴，Y轴，Z轴旋转，每个旋转方向取10个点，采集每个位置的标靶球的三维点云，拟合出每个位置的球心坐标，根据球心坐标拟合每个旋转方向的拟合圆，根据拟合半径确定标靶球的球心在X轴，Y轴，Z轴方向距离法兰盘中心的距离，在移动工业机器人，向X轴，Y轴，Z轴正方向移动，确定标靶球在法兰盘坐标系中的相对位置，将该坐标位置输入机器人控制系统中，机器人自动生成标靶球球心的工具坐标系。本发明操作简便，标定精度高。
-
公开(公告)号：CN115294105A
公开(公告)日：2022-11-04
申请号：CN202211187436.7
申请日：2022-09-28
Applicant: 南京理工大学
Abstract: 本申请涉及一种多层多道焊接余高预测方法，其特征在于，包括以下步骤：利用焊接系统进行多层多道焊接；利用实时图像采集系统实时采集位于每条焊缝上的熔覆层图像；利用三维系统与每条焊缝上熔覆层图像对应的三维点云数据，对每条焊缝上的多层熔覆层建立三维模型，并计算和记录每条焊缝上相邻两层熔覆层的余高差，为余高增量；每道焊缝上各个余高增量的累加值即为该焊缝的余高；将焊缝三维模型及对应的余高增量，输入回归计算网络，结合余高预测计算值和实际值，拟合熔池图像与余高的对应关系，建立余高预测模型；将预处理后的熔覆层图像输入余高预测模型中，得到余高预测值。本申请通过改进实现了应用领域的突破，强化了处理能力和速度。
-
公开(公告)号：CN114581356B
公开(公告)日：2022-10-11
申请号：CN202210496594.4
申请日：2022-05-09
Applicant: 南京理工大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于风格迁移数据增广的图像增强模型泛化方法，属于图像增强模型的泛化技术领域。具体为通过风格迁移算法对原始模拟类静脉数据进行风格迁移处理；将风格迁移处理后的数据集与原始模拟类静脉数据集进行合成，得到风格迁移增广数据集；将风格迁移增广数据集作为图像增强网络的训练集进行训练，得到图像增强网络的泛化模型；将泛化模型在测试集上进行测试，并分析模型泛化效果。本发明基于类静脉风格迁移和随机化风格迁移2种数据增广手段，对图像增强模型实现泛化，以提升模型在真实手背浅表静脉数据测试集上的增强效果，特别是对于“误增强”问题的改善。
-
公开(公告)号：CN113034452B
公开(公告)日：2022-09-27
申请号：CN202110277748.6
申请日：2021-03-15
Applicant: 南京理工大学
Abstract: 本发明涉及一种焊件轮廓检测方法，包括以下步骤：1.图像增强预处理，2.图像直方图均衡化处理，3.图像去噪，4.图像去除背景干扰，5.图像边缘改善。本发明采用图像增强的方式对焊件图像进行预处理，提升焊件图像边缘检测的精度；本发明引入直方图均衡化来提升图像的灰度级动态范围，提高图像对比度，使图像更清晰；本发明采用中值滤波技术对图像进行去噪处理，其运算简单，方便实现，在滤除孤立噪声点的同时还保护了图像的边缘信息；本发明采用概率霍夫变换法判定并连接图像边缘断开的像素点，计算量少，实用性强，效率高。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.029 seconds)
