-
公开(公告)号：CN105423975B
公开(公告)日：2018-02-09
申请号：CN201610017584.2
申请日：2016-01-12
Applicant: 济南大学
Abstract: 本发明公开一种大型工件的标定系统及方法，包括：1.设计一维编码与黑色圆形特征点，并将一维编码及标志点粘贴与大型工件表面处的四个边角位置；2.进行大型工件图像采集之前，对其表面上的4个特征点利用距离测量器进行测量；3.利用相机对步骤2中所描述的大型工件表面进行拍摄采集图像；4.将步骤3中采集的大型工件的图像输入计算机中，并对每幅图像进行处理；对步骤2中实际测量的4个特征点进行依次识别，确定每个特征点在图像中的像素坐标值；5.得到世界坐标系向二维图像坐标系转换的关系函数；6.根据转换函数式和畸变图像中各个像素点，求得图像标定之后的真实像素值，利用所有的值对图像元点进行重新组合，完成整幅图像的标定过程。
-
公开(公告)号：CN105643265A
公开(公告)日：2016-06-08
申请号：CN201610018222.5
申请日：2016-01-12
Applicant: 济南大学
IPC: B23P19/10
CPC classification number: B23P19/102
Abstract: 一种用于大型工件装配面配合的检测方法，包括1、利用相机分别采集两个大型工件的装配面的装配图像，分别为配合图像I、配合图像II；2、将配合图像I、配合图像II传入计算机中，即在配合图像I中任选4个特征点，并识别每一个点的像素坐标值，完成图像配合的第一步初始参数设置；3、在配合图像II中依次选择与配合图像I中所选择的相同的特征点，并按照相对应的顺序依次记录保存所选择点的像素坐标值，完成图像配合的第二步初始参数设置；4、根据初始参数，获得两幅图像的转换关系式；5、根据转换关系式和两幅配合图像中所选择的特征点，求得配合图像II变换时的伸缩、旋转值,对这两幅图像进行定位，完成配合图像的装配过程。
-
公开(公告)号：CN105445100B
公开(公告)日：2019-10-11
申请号：CN201610018299.2
申请日：2016-01-12
Applicant: 济南大学
Abstract: 本发明公开了测定冲击试样断口纤维断面率系统及其方法，该方法包括步骤(1)采用冲击试样断口纤维断面图像采集装置获取冲击试样断口的符合预设清晰度要求的图像；步骤(2)将获取的冲击试样断口面图像转换为冲击试样断口灰度图像，对冲击试样断口灰度图像进行增强区域特性算法处理；步骤(3)生成二值化图像；对二值化图像去除杂点，得到断口面原始截面面积和晶状区边界包围的面积；步骤(4)求取冲击试样断口面的原始截面面积与晶状区边界包围的面积的差值，再将得到的差值与冲击试样断口面的原始截面面积求取比值，获取冲击试样断口的纤维断面率。本发明能够自动寻找晶状区边界，提高了工作效率。
-
公开(公告)号：CN102799860A
公开(公告)日：2012-11-28
申请号：CN201210218227.4
申请日：2012-06-28
Applicant: 济南大学
Abstract: 一种用于显微图像全息识别的方法，其特征是，包括以下过程：用RGB颜色模型表示彩色显微图像；建立IUV颜色模型过程；检测图像边缘过程；提取显微图像几何特征的过程；颜色识别过程；提取显微图像颜色特征的过程。本发明是以颜色模型理论基础，以识别微粒曲面和微粒全息特性为目标，研究微粒图像全息识别的方法，该全息识别方法是在三维流形中进行的，识别过程中各个颜色通道保持独立，没有产生降维，其识别结果是微粒的曲面片，包含微粒的颜色特征信息和几何特征信息，因此，本发明不仅解决了彩色图像的识别问题，提高了微粒识别精度和速度，为微粒图像识别提供了坚实的理论基础。
-
公开(公告)号：CN105643265B
公开(公告)日：2018-05-22
申请号：CN201610018222.5
申请日：2016-01-12
Applicant: 济南大学 , 山东省交通规划设计院
IPC: B23P19/10
Abstract: 一种用于大型工件装配面配合的检测方法，包括1、利用相机分别采集两个大型工件的装配面的装配图像，分别为配合图像I、配合图像II；2、将配合图像I、配合图像II传入计算机中，即在配合图像I中任选4个特征点，并识别每一个点的像素坐标值，完成图像配合的第一步初始参数设置；3、在配合图像II中依次选择与配合图像I中所选择的相同的特征点，并按照相对应的顺序依次记录保存所选择点的像素坐标值，完成图像配合的第二步初始参数设置；4、根据初始参数，获得两幅图像的转换关系式；5、根据转换关系式和两幅配合图像中所选择的特征点，求得配合图像II变换时的伸缩、旋转值,对这两幅图像进行定位，完成配合图像的装配过程。
-
Patent Agency Ranking
公开(公告)号：CN105510125B
公开(公告)日：2018-04-06
申请号：CN201610018039.5
申请日：2016-01-12
Applicant: 济南大学
IPC: G01N3/06
Abstract: 本发明公开了一种视频引伸计及基于视频引伸计的标志线定位方法，该方法包括步骤(1)：将视频引伸计待拉伸的试件上端依次设置第一编码区和第一标志区，试件下端依次设置第二编码区和第二标志区；第一编码区和第二编码区内均粘贴预设编码图像，第一标志区和第二标志区内均粘贴有预设标志图像；步骤(2)：将图像采集装置采集的包含第一编码区、第一标志区、第二编码区和第二标志区的试件图像传送至中央处理器，根据预设编码图像的几何特征，搜索并获取第一编码区及第二编码区的宽度；步骤(3)：分别在第一标志区和第二标志区的范围内提取预设标志图像，并采用霍尔夫变换进行确定第一标志区和第二标志区内预设标志图像所对应的标志线的位置。
-
公开(公告)号：CN105510124A
公开(公告)日：2016-04-20
申请号：CN201610017554.1
申请日：2016-01-12
Applicant: 济南大学
IPC: G01N3/06
CPC classification number: G01N3/068 , G01N2203/0647 , G01N2203/0682
Abstract: 本发明公开了一种试件拉伸试验断后伸长率自动测量系统及其方法，该系统包括：试验台，所述试验台上设置有上下相对运动的夹持装置，所述夹持装置与驱动装置相连，所述夹持装置包括上夹持装置和下夹持装置，所述上夹持装置和下夹持装置分别用于夹持试件的上端和下端，所述试验台上还设有挡板；所述拉伸试验断后伸长率自动测量系统还包括图像采集装置，所述图像采集装置将获取的试件图像信息传送至中央处理器进行处理，最终测量出试件的拉伸试验断后伸长率。本发明提高了系统的检测精度；对试件断口采用的处理方式使得识别的精度更高，更准确。
-
公开(公告)号：CN105423975A
公开(公告)日：2016-03-23
申请号：CN201610017584.2
申请日：2016-01-12
Applicant: 济南大学
Abstract: 本发明公开一种大型工件的标定系统及方法，包括：1.设计一维编码与黑色圆形特征点，并将一维编码及标志点粘贴与大型工件表面处的四个边角位置；2.进行大型工件图像采集之前，对其表面上的4个特征点利用距离测量器进行测量；3.利用相机对步骤2中所描述的大型工件表面进行拍摄采集图像；4.将步骤3中采集的大型工件的图像输入计算机中，并对每幅图像进行处理；对步骤2中实际测量的4个特征点进行依次识别，确定每个特征点在图像中的像素坐标值；5.得到世界坐标系向二维图像坐标系转换的关系函数；6.根据转换函数式和畸变图像中各个像素点，求得图像标定之后的真实像素值，利用所有的值对图像元点进行重新组合，完成整幅图像的标定过程。
-
公开(公告)号：CN117953268B
公开(公告)日：2024-11-12
申请号：CN202311714377.9
申请日：2023-12-12
Applicant: 济南大学
Inventor： 王玉增
IPC: G06V10/764 , G06V10/44 , G06V10/30 , G06N20/00
Abstract: 本发明属于机器视觉技术领域，提供了一种基于线激光图像的单板深度缺陷识别方法及系统，所述方法包括：获取待检测单板的线激光图像；对所述线激光图像进行边缘提取，并细化得到单像素边缘线；计算单像素边缘线中每个像素的深度值；将所述单像素边缘线的深度值进行子区域划分，每个子区域包含N个连续深度值，基于所述单板深度缺陷识别模型，对每个子区域分别进行深度缺陷识别；其中，所述单板深度缺陷识别模型是基于所述单板缺陷特征数据集，采用随机森林算法训练得到的；所述单板缺陷特征数据集多条缺陷特征数据，每条缺陷特征数据均包括N个连续深度值数据及缺陷类型。本发明实现了单板深度缺陷的自动识别。
-
公开(公告)号：CN117853783B
公开(公告)日：2024-11-12
申请号：CN202311714362.2
申请日：2023-12-12
Applicant: 济南大学
Inventor： 王玉增
Abstract: 本发明属于机器视觉技术领域，公开了一种基于深度学习的单板缺陷检测方法及系统，所述方法包括：获取待检测单板图像；基于预先训练的单板缺陷检测模型，对所述单板图像进行缺陷检测；其中，所述单板缺陷检测模型基于YOLO网络架构，包括依次连接的骨干网络、瓶颈网络和检测网络；所述骨干网络的输入端增设小尺度缺陷特征提取模块，所述瓶颈网络上增设特征融合模块，用于将所述小尺度缺陷特征提取模块的输出与原瓶颈网络的末端输出进行融合，并输出至检测网络。本发明能够准确识别单板图像上的多种缺陷。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.01 seconds)
