-
公开(公告)号：CN115100037B
公开(公告)日：2025-03-25
申请号：CN202210693169.4
申请日：2022-06-17
Applicant: 广东工业大学
IPC: G06T3/4038 , G06V10/46
Abstract: 本发明涉及基于多线扫相机图像拼接的大幅面瓷砖成像方法，包括以下：在成像系统确定后，对成像系统中的多个相机进行标定以获取适配于所述成像系统硬件的单应性矩阵；确定目标瓷砖的类型，根据确定的类型确定目标瓷砖纹理的复杂度；获取目标瓷砖图像，若目标瓷砖纹理的复杂度为简单纹理瓷砖则对目标瓷砖图像采用简单纹理图像拼接，若目标瓷砖纹理的复杂度为复杂纹理瓷砖则对目标瓷砖图像采用复杂纹理图像拼接。本发明通过校正得到的单应性矩阵对简单纹理瓷砖进行校正，实现基本的大幅面的图像的拼接。在具有复杂纹理瓷砖的情况下执行的实时图像拼接，可以缓解瓷砖成像平台运行过程中由于震动导致的单应性矩阵参数发生变化所带来的影响。
-
公开(公告)号：CN113408573A
公开(公告)日：2021-09-17
申请号：CN202110511253.5
申请日：2021-05-11
Applicant: 广东工业大学
Abstract: 本发明涉及基于机器学习的瓷砖色号自动分类归类的方法，包括，预确定瓷砖色号种类；获取目标批量瓷砖；对目标批量瓷砖进行检测，将目标批量瓷砖中通过分类器及其关联的瓷砖边界的个体归于该分类器对应的瓷砖色号种类，将目标批量瓷砖中未通过分类器及其关联的瓷砖边界的个体定义为未知色号瓷砖；若未知色号瓷砖的数量超过第一阈值，则将未知色号瓷砖作为新的目标批量瓷砖重新进行以上操作直至瓷砖色号种类归类完成，得到最终的瓷砖色号种类以及归类完毕后的瓷砖；获取色号合并意见，根据色号合并意见进行色号合并操作，完成当前批次瓷砖的最终分类。本方法相比于人工检测，提高了瓷砖的生产质量，节约了生产成本，提高了瓷砖的生产效率。
-
公开(公告)号：CN113554716A
公开(公告)日：2021-10-26
申请号：CN202110857594.8
申请日：2021-07-28
Applicant: 广东工业大学
Abstract: 本发明涉及基于知识蒸馏的瓷砖色差检测方法，包括以下：获取瓷砖样本的图像作为样本数据；将所述样本数据划分为训练集以及测试集；输入训练集的瓷砖的色号以及标签至教师网络，对所述教师网络进行训练，得到训练完成的教师网络模型；输入瓷砖图像至训练完成的教师网络模型，得到色号软标签，将瓷砖图像、色号的软标签以及色号的硬标签共同输入学生网络，运用梯度下降的方法对瓷砖进行训练，得到训练完成的学生网络模型；获取待检测的瓷砖图像，将待检测的瓷砖图像输入学生网络模型，得到瓷砖色号标签。本发明采用蒸馏学习的方法训练神经网络模型，可实现对瓷砖色差的快速检测；简化了大规模神经网络的结构，提升瓷砖检测的速度的同时保证检测的精度。
-
公开(公告)号：CN113408573B
公开(公告)日：2023-02-21
申请号：CN202110511253.5
申请日：2021-05-11
Applicant: 广东工业大学
IPC: G06V20/60 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/766 , G06V10/74
Abstract: 本发明涉及基于机器学习的瓷砖色号自动分类归类的方法，包括，预确定瓷砖色号种类；获取目标批量瓷砖；对目标批量瓷砖进行检测，将目标批量瓷砖中通过分类器及其关联的瓷砖边界的个体归于该分类器对应的瓷砖色号种类，将目标批量瓷砖中未通过分类器及其关联的瓷砖边界的个体定义为未知色号瓷砖；若未知色号瓷砖的数量超过第一阈值，则将未知色号瓷砖作为新的目标批量瓷砖重新进行以上操作直至瓷砖色号种类归类完成，得到最终的瓷砖色号种类以及归类完毕后的瓷砖；获取色号合并意见，根据色号合并意见进行色号合并操作，完成当前批次瓷砖的最终分类。本方法相比于人工检测，提高了瓷砖的生产质量，节约了生产成本，提高了瓷砖的生产效率。
-
Patent Agency Ranking
公开(公告)号：CN115100037A
公开(公告)日：2022-09-23
申请号：CN202210693169.4
申请日：2022-06-17
Applicant: 广东工业大学
Abstract: 本发明涉及基于多线扫相机图像拼接的大幅面瓷砖成像方法，包括以下：在成像系统确定后，对成像系统中的多个相机进行标定以获取适配于所述成像系统硬件的单应性矩阵；确定目标瓷砖的类型，根据确定的类型确定目标瓷砖纹理的复杂度；获取目标瓷砖图像，若目标瓷砖纹理的复杂度为简单纹理瓷砖则对目标瓷砖图像采用简单纹理图像拼接，若目标瓷砖纹理的复杂度为复杂纹理瓷砖则对目标瓷砖图像采用复杂纹理图像拼接。本发明通过校正得到的单应性矩阵对简单纹理瓷砖进行校正，实现基本的大幅面的图像的拼接。在具有复杂纹理瓷砖的情况下执行的实时图像拼接，可以缓解瓷砖成像平台运行过程中由于震动导致的单应性矩阵参数发生变化所带来的影响。
-
公开(公告)号：CN113947126A
公开(公告)日：2022-01-18
申请号：CN202111045581.7
申请日：2021-09-07
Applicant: 广东工业大学
Inventor： 林行
Abstract: 本发明涉及基于迁移学习的瓷砖颜色分类方法，包括以下：获取瓷砖样本，将已确定类型的瓷砖样本图片及其缺陷标签作为源域，将未确定类型的瓷砖样本图片作为目标域；对源域数据进行筛选，筛选原则为使得筛选出的源域数据所形成的概率分布与目标域数据所形成的概率分布相似；利用ImageNET数据集预训练的ResNET‑50网络基于进行预训练得到预训练的网络模型；利用预训练的网络模型提取筛选后的源域以及目标域的特征；基于源域以及目标域的特征进行后续特征变换以完成SVM分类器的构建；通过构建好的SVM分类器对瓷砖进行颜色分类。本发明运用迁移学习算法，将颜色或纹理特征具有相似性但不同种类的瓷砖进行迁移学习，从而实现只需少量样本即可获得该种类型的分类能力。
-
公开(公告)号：CN114202508A
公开(公告)日：2022-03-18
申请号：CN202111301767.4
申请日：2021-11-04
Applicant: 广东工业大学
Abstract: 本发明涉及一种适应多品种瓷砖表面缺陷凸显的检测方法，包括以下，获取第一相机所拍摄的第一图像，获取第二相机所拍摄的第二图像；对第一图像以及第二图像分别进行图像预处理操作后得到定位后的第一图像以及第二图像；将定位后的图像输入预建立的神经网络模型，输出三个维度的特征图，每个特征图中包含每一个锚框的偏移信息与对应预测的置信度，选取置信度大于第一阈值的边界框作为预测缺陷的最终输出。利用双相机获取双图像，双图像的融合处理适应多种复杂纹理瓷砖，凸显出瓷砖表面的不明显缺陷。利用卷积神经网络训练样本，使网络获得缺陷识别功能，实现瓷砖缺陷高精度检测。利用深度学习的方法进行缺陷检测，减少人工劳动成本，提高检测效率。
-
公开(公告)号：CN113947126B
公开(公告)日：2025-01-28
申请号：CN202111045581.7
申请日：2021-09-07
Applicant: 广东工业大学
Inventor： 林行
IPC: G06V10/764 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及基于迁移学习的瓷砖颜色分类方法，包括以下：获取瓷砖样本，将已确定类型的瓷砖样本图片及其缺陷标签作为源域，将未确定类型的瓷砖样本图片作为目标域；对源域数据进行筛选，筛选原则为使得筛选出的源域数据所形成的概率分布与目标域数据所形成的概率分布相似；利用ImageNET数据集预训练的ResNET‑50网络基于进行预训练得到预训练的网络模型；利用预训练的网络模型提取筛选后的源域以及目标域的特征；基于源域以及目标域的特征进行后续特征变换以完成SVM分类器的构建；通过构建好的SVM分类器对瓷砖进行颜色分类。本发明运用迁移学习算法，将颜色或纹理特征具有相似性但不同种类的瓷砖进行迁移学习，从而实现只需少量样本即可获得该种类型的分类能力。
-
公开(公告)号：CN115100391A
公开(公告)日：2022-09-23
申请号：CN202210692297.7
申请日：2022-06-17
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于改进域对抗神经网络的瓷砖缺陷检测方法，包括以下：获取瓷砖样本图片，将大量瓷砖样本图片及其缺陷标签作为源域数据，将剩余的小样本无标注的瓷砖样本图片作为目标域；将ResNet50网络模型在ImageNet公共数据集上进行预训练，保存特征提取器的网络参数；基于原DANN网络构造领域对抗网络，得到基于改进域对抗神经网络模型；获取待检测瓷砖图片；将待检测瓷砖图片输入所述基于改进域对抗神经网络模型，输出缺陷检测结果。本发明解决了训练网络模型需要大量样本的问题，且目标域无需标注，减少了劳动成本。训练之后的网络可检测其他不同类型瓷砖的缺陷，更具有泛化性和鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
