-
公开(公告)号：CN109433641B
公开(公告)日：2021-03-16
申请号：CN201811155354.8
申请日：2018-09-30
Applicant: 南通大学
IPC: B07C5/34
Abstract: 本发明公开了一种基于机器视觉的片剂胶囊灌装遗漏智能检测方法，包括如下步骤：把两台高速工业相机分别附加到灌装自动化生产线瓶包装传送带的右侧与漏斗上方；漏斗上方相机实时对片剂胶囊灌装进行视频记录，通过对连续视频帧进行块匹配定位片剂胶囊。对定位的片剂胶囊进行位移矢量的实时监测，当位移矢量大于某一定值时定义为出现灌装断层。针对断层现象我们采用SVM预测模型，在断层出现时基于断层出现时间、断层处片剂胶囊的位移和角度特征，预测出片剂胶囊离开漏斗的具体时间。以此判断出有断层情况下是否能在规定时间内完成合格灌装。
-
公开(公告)号：CN110110634B
公开(公告)日：2023-04-07
申请号：CN201910347578.7
申请日：2019-04-28
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习的病理图像多染色分离方法，包括以下步骤：(1)对病理染色图像进行光密度变换，得到原始病理染色图像的光密度矩阵；(2)将步骤(1)得到的光密度矩阵构建ResU‑Net模型；(3)对步骤(2)得到的ResU‑Net模型进行训练；(4)通过经步骤(3)训练后的ResU‑Net模型进行图像染色分离。该方法能够对原图像进行像素级分析，更好的分离图像中同一类组织，从而提高染色分离性能。
-
公开(公告)号：CN109060836A
公开(公告)日：2018-12-21
申请号：CN201810987096.3
申请日：2018-08-28
Applicant: 南通大学
IPC: G01N21/95
Abstract: 本发明公开了一种基于机器视觉的高压油管接头外螺纹检测方法，包括：搭建由工业相机、镜头、平行光源和计算机构成的测量平台；将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；对采集到的图像先进行中值滤波，再轮廓提取，删除较小的轮廓，储存剩下的每个轮廓点；对轮廓点进行螺纹点判别，若是螺纹点，将其储存；将相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在所采集的图像上设置感兴趣区域即ROI区域等。该方法能够实现多个工件同时测量，且自动寻找螺纹区域进行分析，有一定的抗干扰能力，检测速度快、精度高。
-
公开(公告)号：CN111507992B
公开(公告)日：2021-10-08
申请号：CN202010317512.6
申请日：2020-04-21
Applicant: 南通大学
Abstract: 本发明公开了一种基于内外应力的低分化腺体分割方法，包括以下步骤：1)、基于ResUnet架构对病理组织染色图像进行染色分离，得到苏木精通道与背景通道图像；2)、基于改进符号压力函数的变分水平集图像分割算法从背景通道图像中分割腺体流明区域；3)、将苏木精通道图作为SC‑CNN输入特征，得到上皮细胞区域边界，即上皮细胞核构成的腺边界；4)、基于最小惯性轴及链码的图形形状描述方法根据流明形状特征对腺体轮廓进行绘制。本发明使得H&E染色图像中包含信息更加独立且易于识别，以处理染色强度不均匀以及染色差异不明显的情况，开发并组合了一组新的分割腺体轮廓的特征，明确提出了一种流明和腺体外轮阔形状特征的表示方法。
-
公开(公告)号：CN111523535B
公开(公告)日：2022-03-15
申请号：CN202010252859.7
申请日：2020-04-01
Applicant: 南通大学
IPC: G06V10/25 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/56 , G06V10/774 , G06K9/62 , G06T7/00 , G06T7/66 , G06T7/13 , G06T7/11 , G06T3/40
Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。
-
Patent Agency Ranking
公开(公告)号：CN111523535A
公开(公告)日：2020-08-11
申请号：CN202010252859.7
申请日：2020-04-01
Applicant: 南通大学
IPC: G06K9/32 , G06K9/34 , G06K9/38 , G06K9/46 , G06K9/62 , G06T7/00 , G06T7/66 , G06T7/13 , G06T7/11 , G06T3/40
Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。
-
公开(公告)号：CN110110634A
公开(公告)日：2019-08-09
申请号：CN201910347578.7
申请日：2019-04-28
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习的病理图像多染色分离方法，包括以下步骤：(1)对病理染色图像进行光密度变换，得到原始病理染色图像的光密度矩阵；(2)将步骤(1)得到的光密度矩阵构建ResU-Net模型；(3)对步骤(2)得到的ResU-Net模型进行训练；(4)通过经步骤(3)训练后的ResU-Net模型进行图像染色分离。该方法能够对原图像进行像素级分析，更好的分离图像中同一类组织，从而提高染色分离性能。
-
公开(公告)号：CN109254382B
公开(公告)日：2021-11-26
申请号：CN201811187459.1
申请日：2018-10-12
Applicant: 南通大学
Abstract: 本发明公开了一种基于机器视觉的螺纹检测自动对焦方法，包括：搭建由步进电机、控制器、升降平台、计算机和图像传感器构成的对焦平台；将待测工件放置在测量平台上，由图像传感器获取图像并传入计算机；自动对采集到的图像进行对焦区域识别；对感兴趣区域进行清晰度分析，并记其清晰度评估值为G1；通过计算机串口发送信号给控制器驱动步进电机将升降台上升高度L；重复步骤，并记其清晰度评估值为G2；通过计算机串口发送信号给控制器驱动步进电机将升降台下降高度2L；重复步骤，并记其清晰度评估值为G3；比较G1、G2、G3数值的大小，得出最大的清晰度评估值，共有三种情况，需分别进行处理。
-
公开(公告)号：CN111882542A
公开(公告)日：2020-11-03
申请号：CN202010741349.6
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于AA R2Unet和HMM的高精密螺纹全自动精确测量方法，该方法利用AA R2Unet网络进行螺纹边缘的提取，以滤除图像中的异物。接着利用HMM进行螺纹边缘点分类，拟合直线，计算螺纹参数。
-
公开(公告)号：CN109060836B
公开(公告)日：2020-08-25
申请号：CN201810987096.3
申请日：2018-08-28
Applicant: 南通大学
IPC: G01N21/95
Abstract: 本发明公开了一种基于机器视觉的高压油管接头外螺纹检测方法，包括：搭建由工业相机、镜头、平行光源和计算机构成的测量平台；将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；对采集到的图像先进行中值滤波，再轮廓提取，删除较小的轮廓，储存剩下的每个轮廓点；对轮廓点进行螺纹点判别，若是螺纹点，将其储存；将相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在所采集的图像上设置感兴趣区域即ROI区域等。该方法能够实现多个工件同时测量，且自动寻找螺纹区域进行分析，有一定的抗干扰能力，检测速度快、精度高。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
