公开(公告)号：CN119067920A

公开(公告)日：2024-12-03

申请号：CN202411065090.2

申请日：2024-08-05

Applicant: 合肥工业大学

Inventor： 胡海兵 ,  宋正全 ,  马仁杰

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/147 ,  G06V10/94 ,  G06V10/774 ,  G06N3/0464

Abstract: 本发明公开了一种基于yolov8双目视觉的木板缺陷在线检测方法，包括以下步骤：S1、获取家具木板的缺陷数据集，S2、对家具木板的缺陷图片进行数据标注，S3、进行训练，得到应用于木板缺陷检测的权重，S4、通过pyside6构建在线检测软件界面系统，S5、加载YOLOv8在线检测模型，S6、双目视觉硬件系统搭建，S7、实现双线程在线检测。本发明方法，具有更广的视野覆盖和深度感知能力，可以有效避免因视角限制或覆盖不足而导致的漏检问题，能够提高检测的完整性和可靠性。同时具有检测速度快、检测精度高、稳定性强、成本低廉等优点。

公开(公告)号：CN119169353A

公开(公告)日：2024-12-20

申请号：CN202411200778.7

申请日：2024-08-29

Applicant: 合肥工业大学

Inventor： 胡海兵 ,  马仁杰 ,  宋正全

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06T7/136 ,  G06T17/00 ,  G06T7/62

Abstract: 本发明公开了一种基于少量CT扫描数据的内部异物高效分类方法，包括以下步骤：S1、获取CT扫描数据并预处理，S2、物体3D重建，S3、对重建体积进行分割，S4、人工样本生成，S5、模型测试与分割可视化。本发明方法有效消除了获取工业CT扫描数据和标签数据的两大主要障碍，大大降低了人力和时间成本，在生产过程中能够实时进行数据更新和标注，自动生成所有人工样本的体积数据和类别，并用于训练深度学习网络模型。相较于同等数目的真实样本训练，大大提高了内部异物分类准确率，甚至只需要一个真实样本的工业CT扫描数据，将其生成的人工样本通过该网络模型训练后，验证准确率可达95.6％，分类效率高，可靠性好。