-
Patent Agency Ranking
公开(公告)号：CN113343996A
公开(公告)日：2021-09-03
申请号：CN202110511718.7
申请日：2021-05-11
Applicant: 武汉大学
Abstract: 本发明提供了一种基于深度卷积网络等离子定向能量沉积面积计算方法。该方法包括：获取等离子定向能量沉积过程中的熔池和等离子弧的图像采集，对熔池和等离子弧图像进行预处理；利用深度卷积网络处理预处理后的图像，提取熔池和等离子弧的图像特征；由熔池和等离子弧的灰度值不同分离出熔池和等离子弧，最终获得熔池和等离子弧的RGB特征图像；采用坐标法计算熔池和等离子弧的面积，并利用GPU算法进行熔池和等离子弧的面积计算。本发明能够对等离子定向能量沉积过程中的熔池和等离子弧面积的变化特征进行统计，熔池和等离子弧面积特征作为根据进行反馈调节，进而对打印的工件进行增材制造或减材制造，以提高金属增材制造产品的质量。
-
公开(公告)号：CN115511794A
公开(公告)日：2022-12-23
申请号：CN202211087957.5
申请日：2022-09-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于跟踪和自适应图像分割的金属增材制造监测方法，利用图像粒子滤波和Mean‑shift算法两种算法对图像中跟踪对象进行跟踪，然后将图像粒子滤波跟踪算法中权值与Mean‑shift算法跟踪后每个粒子的PHOG特征进行比较，从而决定是否需要进行Mean‑shift算法重新跟踪，之后对粒子滤波坐标集中各粒子重采样；计算重采样后该定位时刻目标区域内，跟踪对象的坐标集；根据跟踪对象坐标集分割增材过程图像，删掉无用背景，从而为优化分割图像、提升产品质量，分割后的图像可以输入到神经网络模型中进行人工智能识别计算。
-
公开(公告)号：CN112906833A
公开(公告)日：2021-06-04
申请号：CN202110500111.9
申请日：2021-05-08
Applicant: 武汉大学
Abstract: 本发明提供了一种基于全卷积神经网络的等离子能量沉积图像识别方法，该方法包括：首先由监测设备实时采集等离子定向能量沉积中熔池和等离子弧的图像，然后进行包括旋转、翻转等操作进行图像的预处理，扩充图像的数据集；引入全卷积神经网络，同时运用空洞卷积代替传统卷积与池化的作用，将预处理图像进行像素级分类，精准分割等离子弧和熔池；将分割后的图像与原始输入图像进行做差，快速定位熔池及等离子弧。本发明能够对于金属增材制造中等离子定向能量沉积的熔池和等离子弧进行快速识别，为后来提取熔池和等离子弧形貌做好基础，从而实时调节金属增材制造过程中的相关参数，提高产品质量。
-
公开(公告)号：CN113343996B
公开(公告)日：2022-10-11
申请号：CN202110511718.7
申请日：2021-05-11
Applicant: 武汉大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06T7/62 , G06N3/04
Abstract: 本发明提供了一种基于深度卷积网络等离子定向能量沉积面积计算方法。该方法包括：获取等离子定向能量沉积过程中的熔池和等离子弧的图像采集，对熔池和等离子弧图像进行预处理；利用深度卷积网络处理预处理后的图像，提取熔池和等离子弧的图像特征；由熔池和等离子弧的灰度值不同分离出熔池和等离子弧，最终获得熔池和等离子弧的RGB特征图像；采用坐标法计算熔池和等离子弧的面积，并利用GPU算法进行熔池和等离子弧的面积计算。本发明能够对等离子定向能量沉积过程中的熔池和等离子弧面积的变化特征进行统计，熔池和等离子弧面积特征作为根据进行反馈调节，进而对打印的工件进行增材制造或减材制造，以提高金属增材制造产品的质量。
-
公开(公告)号：CN112906833B
公开(公告)日：2021-08-17
申请号：CN202110500111.9
申请日：2021-05-08
Applicant: 武汉大学
Abstract: 本发明提供了一种基于全卷积神经网络的等离子能量沉积图像识别方法，该方法包括：首先由监测设备实时采集等离子定向能量沉积中熔池和等离子弧的图像，然后进行包括旋转、翻转等操作进行图像的预处理，扩充图像的数据集；引入全卷积神经网络，同时运用空洞卷积代替传统卷积与池化的作用，将预处理图像进行像素级分类，精准分割等离子弧和熔池；将分割后的图像与原始输入图像进行做差，快速定位熔池及等离子弧。本发明能够对于金属增材制造中等离子定向能量沉积的熔池和等离子弧进行快速识别，为后来提取熔池和等离子弧形貌做好基础，从而实时调节金属增材制造过程中的相关参数，提高产品质量。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
