-
公开(公告)号：CN116863332A
公开(公告)日：2023-10-10
申请号：CN202310776506.0
申请日：2023-06-28
Applicant: 昆明理工大学
Abstract: 本发明公开了一种低分辨率振动图像目标检测网络结构、训练方法及应用，所述网络结构包括目标图像重建网络模型、视觉目标检测网络模型；目标图像重建网络模型用于将输入的低分辨率振动图像进行重建，获得超分辨率重建图像；视觉目标检测网络模型用于对输入的超分辨率重建图像进行目标检测。本发明有效解决了当前低分辨率下采样桥梁结构体的振动图像导致图像高频细节部分丢失问题；有效解决了少量的特征参数无法在低分辨率图像中保证结构振动目标的有效识别，边界框贴合不紧密使目标中心点产生偏移误差问题；能够实现训练样本和预测样本之间的有效映射，提高了检测性能，并且为大型桥梁设备健康监测提供新方案。
-
公开(公告)号：CN112950570B
公开(公告)日：2022-05-17
申请号：CN202110213680.5
申请日：2021-02-25
Applicant: 昆明理工大学
Abstract: 本发明公开了一种结合深度学习与密集连续中心点的裂纹检测方法，标注的单个边界框能表达裂纹的局部区域，再通过密集连续地标注形式能表达完整的裂纹信息，在大量减少多余背景的同时有效控制不同背景中结构体表面裂纹的差异，使得深度学习网络模型在图像级处理中所学习的特征更加集中，能更针对性的学习裂纹特征：通过多尺度残差单元搭建特征提取器来实现同尺度下多语义特征的兼顾，从而有助于扩大各尺度中结构体表面裂纹浅层粗糙特征的感受野；在感受野提升的同时通过设置自适应注意力模块可自适应的调整输出特征的分布，减少由于裂纹局部区域出现间隙、背景杂质干扰而带来的结构体表面裂纹及其相似背景信息难以区分的不足。
-
公开(公告)号：CN117809226A
公开(公告)日：2024-04-02
申请号：CN202410085266.4
申请日：2024-01-21
Applicant: 昆明理工大学
IPC: G06V20/40 , G06V10/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种建立结构体目标多关键点视觉跟踪模型的方法、采集平台，所述模型以YOLOv7‑pose模型为基础，在主干网络的Focus模块的输出增加卷积层CBS；将主干网络的ELAN模块改为ELAN‑CSP模块，将颈部网络的两个FELAN模块改为FELAN‑CSP模块，将颈部网络的第一个FELAN‑CSP模块输出增加CSPF操作；在颈部网络的输出引入CA注意力机制；引入Focal Loss作为模型的分类损失函数以及置信度损失函数。本发明构建的结构体目标多关键点视觉跟踪模型，为非接触式方式获得结构体目标的振动位移结果提供支撑；提供的一种用于结构体目标多关键点视觉跟踪的数据采集平台，为获得结构体目标的振动视频数据提供硬件支撑。
-
公开(公告)号：CN113034464B
公开(公告)日：2022-07-26
申请号：CN202110306033.9
申请日：2021-03-23
Applicant: 昆明理工大学
Abstract: 本发明公开了一种多背景下的液晶显示器缺陷视觉实时检测方法，本发明首先采用图像均值化和直方图均衡等算法对待检测图像进行预处理；提出了三种不同的算法使用于六不同的缺陷，能更好的适应不同背景下的缺陷检测，具体的：针对LCDMura、划痕缺陷中存在边缘模糊、对比度低和背景纹理复杂等问题，采用最大类间方差法和形态学运算进行纯色显示背景下的缺陷图像分割；采用最大类间方差法和4连通性判断准则对栅格显示背景下的ROI边缘缺陷进行分割和标记对于色彩偏差缺陷，通过划分子区域的灰度值方差和均值来判断32级渐变色显示背景中是否存在色差。实验结果表明，该算法能够较好实现LCD缺陷实时检测，具有更好的适用性和工程实用价值。
-
公开(公告)号：CN114549589A
公开(公告)日：2022-05-27
申请号：CN202210193439.5
申请日：2022-03-01
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于轻量化神经网络的旋转体振动位移测量方法及系统，方法包括：收集旋转体图像数据和电涡流数据；对旋转体图像数据进行标注，获得训练数据集和测试数据集；搭建轻量化卷积神经网络模型；使用训练数据集训练模型，获得一系列待选权重文件；利用测试数据集测试待选权重文件并对比电涡流数据，筛选获得最优权重参数；将最优权重参数载入轻量化卷积神经网络模型，获得冻结模型；将待检测视频数据输入冻结模型进行检测，获得多帧目标检测结果；通过目标跟踪分支将多帧检测结果进行关联，获得旋转体位移数据；将得到的旋转体位移数据进行归一化处理，获得旋转体振动位移曲线。本发明可以用于视频中的旋转体振动位移测量。
-
Patent Agency Ranking
公开(公告)号：CN114549589B
公开(公告)日：2024-09-27
申请号：CN202210193439.5
申请日：2022-03-01
Applicant: 昆明理工大学
IPC: G06T7/246 , G06T7/70 , G06N3/0495 , G06N3/0464 , G06N3/0985 , G06N3/084
Abstract: 本发明公开了一种基于轻量化神经网络的旋转体振动位移测量方法及系统，方法包括：收集旋转体图像数据和电涡流数据；对旋转体图像数据进行标注，获得训练数据集和测试数据集；搭建轻量化卷积神经网络模型；使用训练数据集训练模型，获得一系列待选权重文件；利用测试数据集测试待选权重文件并对比电涡流数据，筛选获得最优权重参数；将最优权重参数载入轻量化卷积神经网络模型，获得冻结模型；将待检测视频数据输入冻结模型进行检测，获得多帧目标检测结果；通过目标跟踪分支将多帧检测结果进行关联，获得旋转体位移数据；将得到的旋转体位移数据进行归一化处理，获得旋转体振动位移曲线。本发明可以用于视频中的旋转体振动位移测量。
-
公开(公告)号：CN115371565B
公开(公告)日：2024-08-20
申请号：CN202211024812.0
申请日：2022-08-25
Applicant: 昆明理工大学
IPC: G01B11/02 , G01H9/00 , G01M7/02 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种旋转体轴心轨迹振动位移视觉测量方法、系统。方法包括：构建旋转体轴心轨迹振动位移数据集；构建不同网络深度系数下的深度学习跟踪网络；依据旋转体轴心轨迹振动位移数据集中训练集对选择的深度系数下的深度学习跟踪网络进行训练，获得最优权重参数；依据最优权重参数对输入至选择的深度系数下的深度学习跟踪网络的旋转体轴心轨迹振动位移数据集中的测试集进行测试，获得旋转体轴心轨迹振动位移。通过本发明公开的方法，有效解决当前传感器无法突破量程并同时测量多维旋转体振动位移数据的问题，能自动生成轴心轨迹减少传统传感器后续信号处理流程，提高设备检测时效性，并且为旋转体设备健康监测提供新方案。
-
公开(公告)号：CN115294196A
公开(公告)日：2022-11-04
申请号：CN202210774165.9
申请日：2022-07-01
Applicant: 昆明理工大学
Abstract: 本发明公开了一种深度学习网络模型的构建方法及应用，属于视觉振动位移测量和计算机视觉领域。本发明的深度学习网络模型的构建方法利用CSPDarknet特征提取的骨干网络、注意力机制模块、PAFPN模块和头部定位模块构建深度学习网络模型。本发明构建了深度学习网络模型；进一步地，以高速视频中的桥梁柔性结构体作为振动位移测量的对象，将深度学习网络模型引入到视觉振动测量领域，并从多角度验证了深度学习方法在视觉振动测量方面的可行性，且该测量方式具有非接触、远距离、多点同步测量等优势。
-
公开(公告)号：CN112950570A
公开(公告)日：2021-06-11
申请号：CN202110213680.5
申请日：2021-02-25
Applicant: 昆明理工大学
Abstract: 本发明公开了一种结合深度学习与密集连续中心点的裂纹检测方法，标注的单个边界框能表达裂纹的局部区域，再通过密集连续地标注形式能表达完整的裂纹信息，在大量减少多余背景的同时有效控制不同背景中结构体表面裂纹的差异，使得深度学习网络模型在图像级处理中所学习的特征更加集中，能更针对性的学习裂纹特征：通过多尺度残差单元搭建特征提取器来实现同尺度下多语义特征的兼顾，从而有助于扩大各尺度中结构体表面裂纹浅层粗糙特征的感受野；在感受野提升的同时通过设置自适应注意力模块可自适应的调整输出特征的分布，减少由于裂纹局部区域出现间隙、背景杂质干扰而带来的结构体表面裂纹及其相似背景信息难以区分的不足。
-
公开(公告)号：CN115371565A
公开(公告)日：2022-11-22
申请号：CN202211024812.0
申请日：2022-08-25
Applicant: 昆明理工大学
Abstract: 本发明公开了一种旋转体轴心轨迹振动位移视觉测量方法、系统。方法包括：构建旋转体轴心轨迹振动位移数据集；构建不同网络深度系数下的深度学习跟踪网络；依据旋转体轴心轨迹振动位移数据集中训练集对选择的深度系数下的深度学习跟踪网络进行训练，获得最优权重参数；依据最优权重参数对输入至选择的深度系数下的深度学习跟踪网络的旋转体轴心轨迹振动位移数据集中的测试集进行测试，获得旋转体轴心轨迹振动位移。通过本发明公开的方法，有效解决当前传感器无法突破量程并同时测量多维旋转体振动位移数据的问题，能自动生成轴心轨迹减少传统传感器后续信号处理流程，提高设备检测时效性，并且为旋转体设备健康监测提供新方案。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
