-
公开(公告)号：CN115469015B
公开(公告)日：2023-01-31
申请号：CN202211344912.1
申请日：2022-10-31
Applicant: 泉州装备制造研究所
IPC: G01N29/06 , G01N29/265 , G01B17/00 , B25J11/00 , B25J9/16
Abstract: 本发明提出一种利用超声波扫描这一动作进行数据获取和利用算法调整，无需增加外部硬件，且坐标系统一，降低了系统复杂度的曲面构件超声自适应检测方法，包括在超声采样平台上利用机械臂夹持超声探头对曲面工件进行超声检测，包括以下步骤：S1、获取曲面工件点云数据，进行点云姿态调整，对其进行扫查路径规划；S2、将调整后的点云数据导入机械臂的控制器，完成机械臂运动路径规划，保证扫查过程中，超声波声束方向与检测点的法向量方向一致；S3、超声C扫成像，所述超声C扫采用的是时间编码方式采集数据，利用时间、速度关系对成像坐标系进行等步长分割重建，将采样数据与等步长坐标点一一对应进行成像。
-
Patent Agency Ranking
公开(公告)号：CN114894900A
公开(公告)日：2022-08-12
申请号：CN202210814118.2
申请日：2022-07-12
Applicant: 泉州装备制造研究所
Abstract: 本发明涉及电数字数据处理技术领域，提出一种能提高测量精度以及重复可靠性高的一种超声无损测量合金淬硬层深度的测量方法，包括以下步骤：S1、对试样表面研磨、抛光消除表面粗糙度对超声检测的影响；S2、采用水浸式超声横波检测系统对试样进行初始背散射信号采集；S3、对采集的初始背散射信号采取实时信号平均，减弱仪器噪声和电噪声对采集信号干扰；S4、背散射信号中快速振动部分的振动幅值随信号包络缓慢变化，通过希尔伯特变换提取背散射信号包络，对信号包络进行Saviztky‑Golay滤波器平滑滤波去噪求出序列信号各点的拟合值，利用小波变换将背散射信号分解为不同尺度下的时间序列，对分解信号进行重构获取趋势特征；S5、通过趋势特征计算试样淬硬层深度。
-
公开(公告)号：CN115469015A
公开(公告)日：2022-12-13
申请号：CN202211344912.1
申请日：2022-10-31
Applicant: 泉州装备制造研究所
IPC: G01N29/06 , G01N29/265 , G01B17/00 , B25J11/00 , B25J9/16
Abstract: 本发明提出一种利用超声波扫描这一动作进行数据获取和利用算法调整，无需增加外部硬件，且坐标系统一，降低了系统复杂度的曲面构件超声自适应检测方法，包括在超声采样平台上利用机械臂夹持超声探头对曲面工件进行超声检测，包括以下步骤：S1、获取曲面工件点云数据，进行点云姿态调整，对其进行扫查路径规划；S2、将调整后的点云数据导入机械臂的控制器，完成机械臂运动路径规划，保证扫查过程中，超声波声束方向与检测点的法向量方向一致；S3、超声C扫成像，所述超声C扫采用的是时间编码方式采集数据，利用时间、速度关系对成像坐标系进行等步长分割重建，将采样数据与等步长坐标点一一对应进行成像。
-
公开(公告)号：CN114894900B
公开(公告)日：2022-09-13
申请号：CN202210814118.2
申请日：2022-07-12
Applicant: 泉州装备制造研究所
Abstract: 本发明涉及电数字数据处理技术领域，提出一种能提高测量精度以及重复可靠性高的一种超声无损测量合金淬硬层深度的测量方法，包括以下步骤：S1、对试样表面研磨、抛光消除表面粗糙度对超声检测的影响；S2、采用水浸式超声横波检测系统对试样进行初始背散射信号采集；S3、对采集的初始背散射信号采取实时信号平均，减弱仪器噪声和电噪声对采集信号干扰；S4、背散射信号中快速振动部分的振动幅值随信号包络缓慢变化，通过希尔伯特变换提取背散射信号包络，对信号包络进行Saviztky‑Golay滤波器平滑滤波去噪求出序列信号各点的拟合值，利用小波变换将背散射信号分解为不同尺度下的时间序列，对分解信号进行重构获取趋势特征；S5、通过趋势特征计算试样淬硬层深度。
-
公开(公告)号：CN115861323B
公开(公告)日：2023-06-06
申请号：CN202310173909.6
申请日：2023-02-28
Applicant: 泉州装备制造研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及皮革表面缺陷检测技术领域，提出了一种基于精细化分割网络的皮革缺陷检测方法，包括：在编码端,采用五组卷积层对提取图像特征；前三组卷积中,卷积后对图像进行最大池化下采样操作,后两组卷积采用重叠池化的方式代替普通下采样,第五组卷积层引入级联扩张卷积模块进行密集预测，跳跃长连接中添加特征融合模块；在解码端,将特征融合模块中得到的结果复制到通道注意力机制解码模块,与该层对应的特征张量共同指导网络自适应地提取缺陷相关通道信息，在路径顶端嵌入了全局平均池化模块,作为第五组卷积层解码模块中的高层语义输入；对结果进行量化,选用语义分割中的像素精度、平均像素精度、平均交并比和加权交并比作为模型评价指标。
-
公开(公告)号：CN115861323A
公开(公告)日：2023-03-28
申请号：CN202310173909.6
申请日：2023-02-28
Applicant: 泉州装备制造研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及皮革表面缺陷检测技术领域，提出了一种基于精细化分割网络的皮革缺陷检测方法，包括：在编码端,采用五组卷积层对提取图像特征；前三组卷积中,卷积后对图像进行最大池化下采样操作,后两组卷积采用重叠池化的方式代替普通下采样,第五组卷积层引入级联扩张卷积模块进行密集预测，跳跃长连接中添加特征融合模块；在解码端,将特征融合模块中得到的结果复制到通道注意力机制解码模块,与该层对应的特征张量共同指导网络自适应地提取缺陷相关通道信息，在路径顶端嵌入了全局平均池化模块,作为第五组卷积层解码模块中的高层语义输入；对结果进行量化,选用语义分割中的像素精度、平均像素精度、平均交并比和加权交并比作为模型评价指标。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
