-
Patent Agency Ranking
公开(公告)号：CN114841992A
公开(公告)日：2022-08-02
申请号：CN202210608742.7
申请日：2022-05-31
Applicant: 厦门大学嘉庚学院
Abstract: 本发明涉及一种基于循环生成对抗网络和结构相似性的缺陷检测方法，包括以下步骤：步骤S1:获取缺陷图片并预处理，作为训练数据集；步骤S2:构建CycleGAN模型，并基于训练数据集训练，得到一个将缺陷图片映射为无缺陷图片的模型；步骤S3:将待检测图片输入训练后的CycleGAN模型，使用结构相似性算法对比原图和修复图的差异，获取差异二值图；步骤S4:对差异二值图进行连通域降噪和形态学处理，原始图像存在缺陷，则该二值图中白色区域即为提取出的缺陷形状。本发明检测精度高、对复杂纹理表面鲁棒性高、能够准确检测细小缺陷等优势。
-
公开(公告)号：CN112651966A
公开(公告)日：2021-04-13
申请号：CN202110062673.X
申请日：2021-01-18
Applicant: 厦门大学嘉庚学院
Abstract: 本发明涉及一种基于ACYOLOV4_CSP的印刷电路板微小缺陷检测方法。包括：步骤S1、利用LabelImg标注工具对高分辨率的原数据集的每张图片进行标注，即标注印刷电路板的缺陷类别和位置；标注完成后，对标注后的数据集进行预处理，得到训练集；步骤S2、将训练集喂给ACYOLOV4‑CSP网络，得到检测印刷电路板微小缺陷的ACYOLOV4‑CSP模型；步骤S3、利用检测印刷电路板微小缺陷的ACYOLOV4‑CSP模型对待检测印刷电路板图像进行检测，若有缺陷，将输出带检测框和类别信息的图像，若无缺陷，将输出和输入图像一样的结果图像。本发明能够实现对印刷电路板缺陷快速、准确地定位和分类，实现了速度与精度的最优平衡。
-
公开(公告)号：CN112784883A
公开(公告)日：2021-05-11
申请号：CN202110017362.1
申请日：2021-01-07
Applicant: 厦门大学
Abstract: 本发明涉及一种基于样本选择扩充的冷水珊瑚分布预测方法及系统。所述方法首先采用随机均匀采样的方法生成训练集，解决远洋珊瑚分布预测缺少负样本的问题。其次通过训练集进行径向基神经网络预测模型训练，并利用训练得到的模型对无标签样本进行标记。同时将上述步骤进行多次循环，排除单次预测的偶然性因素。再次在方法中引入先验知识的概念，对上一循环的无标签预测结果进行分组。然后根据正样本的概率越高置信度越高的原则，将不同的分组以不同的比例放到重新构建的虚拟无标签样本集合中，进入下一次的循环。最后根据平均正样本概率对无标签样本进行分类实现对冷水珊瑚分布的预测。
-
公开(公告)号：CN112784883B
公开(公告)日：2022-08-12
申请号：CN202110017362.1
申请日：2021-01-07
Applicant: 厦门大学
Abstract: 本发明涉及一种基于样本选择扩充的冷水珊瑚分布预测方法及系统。所述方法首先采用随机均匀采样的方法生成训练集，解决远洋珊瑚分布预测缺少负样本的问题。其次通过训练集进行径向基神经网络预测模型训练，并利用训练得到的模型对无标签样本进行标记。同时将上述步骤进行多次循环，排除单次预测的偶然性因素。再次在方法中引入先验知识的概念，对上一循环的无标签预测结果进行分组。然后根据正样本的概率越高置信度越高的原则，将不同的分组以不同的比例放到重新构建的虚拟无标签样本集合中，进入下一次的循环。最后根据平均正样本概率对无标签样本进行分类实现对冷水珊瑚分布的预测。
-
公开(公告)号：CN112785568A
公开(公告)日：2021-05-11
申请号：CN202110065427.X
申请日：2021-01-18
Applicant: 厦门大学嘉庚学院
Abstract: 本发明涉及一种基于深度学习的磁瓦缺陷分割方法。包括：步骤S1、将标注好的数据进行预处理，并按比例分为训练集和测试集，进行改进的MobileNetV3语义分割器的训练，得到磁瓦缺陷检测的语义分割器；步骤S2、输入待测磁瓦缺陷图像，并调整为统一大小，而后利用磁瓦缺陷检测的语义分割器进行磁瓦表面缺陷检测。本发明方法具有自动化程度高、不受环境影响、成本低廉等特点。利用机器识别，不需要人工干预识别，且检测精度和速度满足工业要求。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
