-
公开(公告)号：CN114950969B
公开(公告)日：2023-03-21
申请号：CN202210665308.2
申请日：2022-06-13
Applicant: 昆明理工大学
Abstract: 本发明公开了一种三七主根与茎基的实时视觉识别分拣系统及方法，分拣系统至少包括1条工作线，每条工作线包括筛选分流模块、传送带模块、视频采集模块、分拣模块、控制器；本发明通过多条工作线的筛选分流模块由小到大的将三七主根和茎基根据其体型分级，在将每个级别的三七分别依次留有间隔的排布到传送带模块上，进一步由视频采集模块进行视频数据采集，最后通过控制器输出的茎基识别信息驱动分拣模块将茎基分离，实现了三七主根与茎基的全自动化分拣；本发明有效解决了三七主根与茎基的分拣完全依赖于人工而导致分拣准确度与分拣效率低下的不足，有效降低了工人的劳动强度，同时还可提高分拣准效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN116229468A
公开(公告)日：2023-06-06
申请号：CN202310256471.8
申请日：2023-03-16
Applicant: 昆明理工大学
IPC: G06V20/70 , G06V10/28 , G06V10/26 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/82 , G06V10/764 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种用于振动图像的语义分割方法、视觉定位方法。分割方法包括：获取振动图像；通过训练好的语义分割网络模型，获取振动图像的目标分割掩码。振视觉定位方法，包括：采用振动位移提取分支对振动图像的目标分割掩码进行零阶矩和一阶矩的计算；依据计算的零阶矩和一阶矩，获取视频中每一帧振动图像的中心点坐标，再依次对所有视频帧中心点坐标进行位移偏移量回归，从而得出目标位移数据。本发明以高速工业相机为图像采集媒介，以旋转体作为振动位移测量的对象，将基于深度学习的语义分割方法引入到旋转体视觉振动测量领域，并从多角度验证了深度学习方法在旋转体视觉振动测量方面的可行性，且具有非接触、远距离、安装简易等优势。
-
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：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：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：CN114950969A
公开(公告)日：2022-08-30
申请号：CN202210665308.2
申请日：2022-06-13
Applicant: 昆明理工大学
Abstract: 本发明公开了一种三七主根与茎基的实时视觉识别分拣系统及方法，分拣系统至少包括1条工作线，每条工作线包括筛选分流模块、传送带模块、视频采集模块、分拣模块、控制器；本发明通过多条工作线的筛选分流模块由小到大的将三七主根和茎基根据其体型分级，在将每个级别的三七分别依次留有间隔的排布到传送带模块上，进一步由视频采集模块进行视频数据采集，最后通过控制器输出的茎基识别信息驱动分拣模块将茎基分离，实现了三七主根与茎基的全自动化分拣；本发明有效解决了三七主根与茎基的分拣完全依赖于人工而导致分拣准确度与分拣效率低下的不足，有效降低了工人的劳动强度，同时还可提高分拣准效率和准确率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
