-
公开(公告)号：CN118470026B
公开(公告)日：2024-09-17
申请号：CN202410940681.3
申请日：2024-07-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供了一种注射器毛发缺陷检测方法及装置。该方法包括：采用样条曲线工具对训练集的注射器样本图像模拟毛发缺陷生成伪毛发训练集；采用多方向特征聚合模块用于对编码器输出的特征图迭代执行移位操作、增强和聚合后输入解码器，构建得到注射器毛发缺陷检测模型；利用训练集和伪毛发训练集训练得到注射器毛发缺陷检测模型；将实时注射器图像输入训练好的注射器毛发缺陷检测模型，对比编码器输出的特征图和解码器输出的特征图得到异常分数图，根据异常分数图确定实时注射器图像中毛发缺陷对应的异常区域。本申请在不依赖于人工数据标注和手动缺陷检测的情况下，实现高精度医疗针管毛发缺陷检测，进而提升医疗器械生产和质量检测的可靠性。
-
公开(公告)号：CN116245818A
公开(公告)日：2023-06-09
申请号：CN202310036931.6
申请日：2023-01-10
Applicant: 厦门理工学院
IPC: G06T7/00 , G06T7/187 , G06T5/00 , G06T7/62 , G06V10/776 , G06V10/774 , G06V10/46 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种医用针管毛发缺陷检测方法、系统、设备及介质，涉及医疗器械缺陷检测技术领域，该方法包括：获取待测医用针管图像；将所述待测医用针管图像输入至毛发缺陷分割模型中，得到若干处缺陷连通域；所述毛发缺陷分割模型是基于具有纹理增强模块层的深度神经网络确定的；所述纹理增强模块层包括分组卷积层；所述分组卷积层的卷积核是基于等价模式下的局部二值模式算子的二进制编码确定的；采用毛发检测算法，基于所有所述缺陷连通域，确定所述待测医用针管图像中的毛发缺陷。本发明能够解决普通神经网络无法有效提取毛发特征来检测毛发缺陷和噪声干扰的问题，提高对医用针管的毛发缺陷检测的准确性。
-
公开(公告)号：CN109670418B
公开(公告)日：2021-10-15
申请号：CN201811471683.3
申请日：2018-12-04
Applicant: 厦门理工学院
Abstract: 本发明公开一种结合多源特征学习和组稀疏约束的无监督物体识别方法，包括如下步骤：步骤1，从包含c个类别的待处理图像集中获取V种视图，并将其组成数据集X＝[x1，x2，…，xn]∈Rd×n，其中d代表数据的特征维度，n代表数据集的样本数；步骤2，提取数据集X的总散度矩阵St；步骤3，在步骤2的基础上构建基于线性判别分析的KM聚类模型；步骤4，在步骤3的基础上构建基于组稀疏约束和特征选择的多源数据联合聚类模型；步骤5，求解步骤4得到的多源数据联合聚类模型的目标函数，并进行优化。此种方法可以提高聚类方法的准确度，可快速定位最优特征子集，还可有效抑制数据集中的噪声干扰，最终为机器学习、计算机视觉相关应用提供有效支持。
-
公开(公告)号：CN107839947B
公开(公告)日：2020-01-10
申请号：CN201711223846.1
申请日：2017-11-29
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于三维装箱定位的机器人装箱方法，包括以下步骤：S1，获取订单信息，所述订单信息包括待装盒的数量信息以及三维尺寸信息，然后根据所述待装盒的数量信息以及三维尺寸信息计算出所有待装盒的总体积，选择容积大于所述总体积的送货箱；S2，根据所述订单信息以及所选择的所述送货箱，采用最大适应度法进行三维装箱模拟，输出适应度值最大的路径图信息；S3，按照装箱序列以及放置方向信息将所述待装盒依次输送到传送带上；S4，根据各个所述待装盒在所述送货箱中的三维坐标信息，将传送带上的待装盒放置于所述送货箱的对应位置。本发明实现自动化装箱，提高生产效率，降低人工成本，实现待装盒的精准装箱。
-
公开(公告)号：CN107749063B
公开(公告)日：2019-09-24
申请号：CN201710961539.7
申请日：2017-10-17
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于边缘提取与傅里叶变换的零件快速定位方法，运用Sobel算子进行边缘提取，减少图像处理的计算量，采用傅里叶变换得出零件全图和模板图的互功率谱，根据模板图像中零件的大小，构建模板窗，求取模板窗的极大值，得到众多极大值点坐标，采用参数法去除大量极大值点较小的坐标位置，对剩下的极大值点应用十字线法从X和Y轴方向检测是否为真极大值点，删去伪极大值点，最后得到的极大值点即为零件的准确位置。该方法可进行多目标的定位，而且定位精度达到像素级，抗噪能力强，具有准确性、快速性和鲁棒性的特点，满足了零件视觉检测与定位中的高精度和实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN109670418A
公开(公告)日：2019-04-23
申请号：CN201811471683.3
申请日：2018-12-04
Applicant: 厦门理工学院
Abstract: 本发明公开一种结合多源特征学习和组稀疏约束的无监督物体识别方法，包括如下步骤：步骤1，从包含c个类别的待处理图像集中获取V种视图，并将其组成数据集X＝[x1，x2，…，xn]∈Rd×n，其中d代表数据的特征维度，n代表数据集的样本数；步骤2，提取数据集X的总散度矩阵St；步骤3，在步骤2的基础上构建基于线性判别分析的KM聚类模型；步骤4，在步骤3的基础上构建基于组稀疏约束和特征选择的多源数据联合聚类模型；步骤5，求解步骤4得到的多源数据联合聚类模型的目标函数，并进行优化。此种方法可以提高聚类方法的准确度，可快速定位最优特征子集，还可有效抑制数据集中的噪声干扰，最终为机器学习、计算机视觉相关应用提供有效支持。
-
公开(公告)号：CN106601235A
公开(公告)日：2017-04-26
申请号：CN201611095564.3
申请日：2016-12-02
Applicant: 厦门理工学院
CPC classification number: G10L15/063 , G06N20/00 , G10L2015/0631
Abstract: 本发明公开一种半监督多任务特征选择的语音识别方法，包括如下步骤：(1)获取T个相似的语音识别学习任务，每个学习任务t中包含一个数据集其中，dt为特征个数，ct为数据集Xt的分类数，nt是第t个学习任务中样本数；(2)为每个学习任务建立基于全局线性约束的特征选择模型；(3)在步骤(2)的基础上构建多个学习任务联合特征选择模型，得到目标函数；(4)利用迭代优化算法求解步骤(3)中的目标函数。此种语音识别方法可有效提高语音识别的准确度，同时可有效抑制数据集中噪声的干扰。
-
公开(公告)号：CN118470026A
公开(公告)日：2024-08-09
申请号：CN202410940681.3
申请日：2024-07-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供了一种注射器毛发缺陷检测方法及装置。该方法包括：采用样条曲线工具对训练集的注射器样本图像模拟毛发缺陷生成伪毛发训练集；采用多方向特征聚合模块用于对编码器输出的特征图迭代执行移位操作、增强和聚合后输入解码器，构建得到注射器毛发缺陷检测模型；利用训练集和伪毛发训练集训练得到注射器毛发缺陷检测模型；将实时注射器图像输入训练好的注射器毛发缺陷检测模型，对比编码器输出的特征图和解码器输出的特征图得到异常分数图，根据异常分数图确定实时注射器图像中毛发缺陷对应的异常区域。本申请在不依赖于人工数据标注和手动缺陷检测的情况下，实现高精度医疗针管毛发缺陷检测，进而提升医疗器械生产和质量检测的可靠性。
-
公开(公告)号：CN116152534A
公开(公告)日：2023-05-23
申请号：CN202310034771.1
申请日：2023-01-10
Applicant: 厦门理工学院
IPC: G06V10/762 , G06V10/778 , G06V10/77 , G06N3/088
Abstract: 本发明公开一种勺子缺陷检测方法、系统、电子设备及计算机存储介质，涉及机器学习领域，方法包括获取勺子图像；根据所述勺子图像构建空间自表示张量；根据所述空间自表示张量构建基于秩逼近和稀疏约束的多视图聚类模型；对所述多视图聚类模型的目标函数进行求解，得到多视图数据的相似矩阵；根据所述相似矩阵利用谱聚类算法进行聚类，得到勺子缺陷检测结果。本发明能提高聚类性能。
-
公开(公告)号：CN116152194A
公开(公告)日：2023-05-23
申请号：CN202310117531.8
申请日：2023-02-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开一种物体缺陷检测方法、系统、设备及介质，涉及人工智能领域；采用特征提取模型提取目标图像集的特征，获得图像特征集；构建组稀疏约束的子空间聚类模型，并确定目标函数和约束条件；采用迭代的方式，根据约束条件对目标函数进行求解，得到子空间聚类模型在聚类损失最小时的模型参数的值；根据模型参数确定子空间聚类模型的簇中心后，计算图像特征集与簇中心的距离，得到目标图像集中的各目标物体的缺陷检测分类结果；本发明通过结合机器学习的方法和聚类算法的计算机视觉，能够实现缺陷的准确检测。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
