一种基于深度学习的废钢料型占比识别方法

    公开(公告)号:CN115100403A

    公开(公告)日:2022-09-23

    申请号:CN202210515716.X

    申请日:2022-05-11

    Abstract: 本发明公开了一种基于深度学习的废钢料型占比识别方法,包括以下步骤:步骤一、基于深度残差网络和注意力模块构建特征提取主干网络,通过主干网络对给定废钢图像进行多尺度特征提取,得到有效特征层和基础特征层;步骤二、融合有效特征层和基础特征层进行特征融合得到融合特征层,通过融合特征层预测每个像素点的废钢类别,得到废钢料型的语义特征信息;步骤三、融合基础特征信息和语义特征信息,预测不同类型废钢的占比;本发明提出的废钢特征提取主干网络,结合深度残差网络和注意力机制,能够提取更深层次的不同类型废钢特征,同时注意力机制使废钢料型特征提取过程中更能关注不同类型废钢特征,从而废钢料型特征提取过程更加有效。

    一种钢铁冶金行业废钢智能判级系统及方法

    公开(公告)号:CN115187059A

    公开(公告)日:2022-10-14

    申请号:CN202210806785.6

    申请日:2022-07-08

    Abstract: 本发明提出了一种钢铁冶金行业废钢智能判级系统及方法,系统包括:现场IC卡,用于卸货车辆进场时车辆信息及重量信息的存储,以及车辆在场内整体轨迹及信息的查询及获取;刷卡一体机,用于供司机与应用服务器进行交互,并根据司机在卸货前的刷卡操作启动判级服务;摄像头,用于根据卸货点吸盘吊的动作进行卸货车辆的视频数据采集,并将采集到的卸货视频数据发送至应用服务器;应用服务器,用于对采集到的的卸货视频数据进行处理和废钢判级;算法服务器,用于向应用服务器提供数据处理和废钢判级所需的算法。本发明解决了由于人工经验导致的废钢判级不准确,判级过程无法量化、判级标准不统一,判级结果无法追溯,供应商异议无法及时处理等问题。

    基于多元高斯分布建模的无监督碗粥表面缺陷检测方法

    公开(公告)号:CN118674696A

    公开(公告)日:2024-09-20

    申请号:CN202410732284.7

    申请日:2024-06-06

    Abstract: 本发明公开了基于多元高斯分布建模的无监督碗粥表面缺陷检测方法,涉及碗粥产品检测技术领域,该基于多元高斯分布建模的无监督碗粥表面缺陷检测方法,包括以下步骤:S1:碗粥图像预处理,针对处理后的图像进行特征提取;特征提取的具体步骤包括:加载预训练的多元高斯分布无监督学习模型;设置中间特征层的输出,注册钩子函数,提取模型中不同层的特征;首次提出了基于多元高斯分布的无监督学习模型,并将其应用于碗粥流水产线的表面缺陷检测。与传统模型相比,它有效提高了异常检测的准确性和效率,无需标注数据,能自动学习并识别图像特征。利用预训练模型自主提取关键特征,简化了处理流程,且对新型或未知缺陷具有更强的适应性。

Patent Agency Ranking