-
公开(公告)号：CN114972153B
公开(公告)日：2024-11-22
申请号：CN202111520529.2
申请日：2021-12-13
Applicant: 昆明理工大学
IPC: G06T7/00 , G06N3/084 , G06N3/0464 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的桥梁振动位移视觉测量方法及系统，方法包括：划分训练数据集和验证数据集；对训练数据集和验证数据集进行标注得到训练集与验证集；构建深度学习网络模型；修改配置文件中的超参数，获得训练参数；调用训练集和配置文件开始对深度学习网络模型进行训练，训练结束获得候选权重；用验证集对候选权重性能进行评估，以量化候选权重的性能，获得载入最优权重后的深度学习网络模型；将新获取的待检测的桥梁结构体图像输入载入最优权重后的深度学习网络模型进行检测，获得检测的边界框。本发明以高速视频中的桥梁结构体作为振动位移测量的对象，将基于深度学习的目标检测方法引入到视觉振动测量领域。
-
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。
-
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：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。
-
Patent Agency Ranking
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：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：CN118577272A
公开(公告)日：2024-09-03
申请号：CN202410617357.8
申请日：2024-05-17
Applicant: 昆明理工大学
Inventor： 李东方 , 杨秀婷 , 祝星 , 金亮均 , 李舟航 , 杨海瑞 , 柯希玮 , 全忠焕 , 李建波 , 曾义杰 , 桑国阳 , 梅佳坤 , 汪兴 , 张奥阳 , 邵明祥 , 黄玉莲 , 全尚坤 , 林森 , 钱宇航
Abstract: 本发明涉及循环流化床掺氨燃烧技术领域，具体涉及一种高效催化氨分解和N2O分解的功能床料及其方法与应用，包括Cu改性铁矿石载氧体与Cu改性赤泥载氧体，采用混合煅烧法制备Cu改性的铁矿石载氧体，采用浸渍法制备Cu改性赤泥载氧体。同时使用Cu改性铁矿石载氧体和Cu改性赤泥载氧体对催化NH3和N2O分解的作用远高于使用单一改性载氧体，Cu改性铁矿石和赤泥含有多种活性组分同时作用催化NH3和N2O分解。本发明的NH3和N2O分解床料通过Cu修饰能有效增强载氧体的反应活性，改性后载氧体具有良好的力学性能，提高分解NH3和N2O活性；同时加入功能床料可以使得循环流化床燃烧过程中锅炉内易结焦、沾污等问题得到有效解决。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
