-
公开(公告)号：CN112837294B
公开(公告)日：2024-02-27
申请号：CN202110168833.9
申请日：2021-02-07
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于卷积自编码器图像扩增的热成像缺陷检测方法，包括以下步骤：步骤1、获取碳纤维增强聚合物复合材料的热图像及热图像数据；步骤2、热图像选择与处理；步骤3、建立卷积自编码器图像增强模型，对热图像降噪；步骤4、热影像数据预处理；步骤5、分别基于实验热图像和卷积自编码器重构热图像建立拉普拉苏特征映射热成像模型，提取热图像中的缺陷信息并可视化，实现缺陷的定性监测；步骤6、采用分离度指标对建立的模型进行评估，验证图像增强策略在缺陷检测建模中的效果。
-
公开(公告)号：CN112798648B
公开(公告)日：2022-06-03
申请号：CN202011426444.3
申请日：2020-12-09
Applicant: 浙江工业大学
Abstract: 基于生成核主成分热影像分析的复合材料缺陷检测方法，属于复合材料热成像无损检测技术领域。它包括以下步骤：步骤1、获取复合材料的热影像数据集；步骤2、热影像数据的扩增和预处理：建立谱归一化生成对抗网络生成热图像；步骤3、建立核主成分分析模型：特征空间映射和投影矩阵计算；步骤4、图像重构与缺陷可视化；步骤5、模型表现评估。本发明采用基于生成对抗网络的数据扩增策略和基于核映射的非线性降维技术来分析具有非线性特性的热图像数据；在原始热影像数据较少的情况下生成与实验记录热图像分布相同的数据；采用核主成分热成像分析模型解决了热影像分析中缺陷和背景难以分离的问题，提高了缺陷的可见性。
-
公开(公告)号：CN113160195A
公开(公告)日：2021-07-23
申请号：CN202110470207.5
申请日：2021-04-28
Applicant: 浙江工业大学
Abstract: 一种基于生成热成像的复合材料缺陷无损检测方法，属于碳纤维聚合物内部缺陷无损检测技术领域。它包括以下步骤：1、获取聚合物试样的红外热图像数据集；2、建立谱归一化生成对抗网络模型并训练；3、热图像预处理；4、等度量映射降维；5、缺陷可视化；6、模型表现评估。本发明利用谱归一化生成对抗网络充分学习图像中的特征并生成多样性的热图像，以扩展IRT数据训练集。综合生成数据与原始数据进行流形学习建模，提取非线性且高维的热图像数据的在低维空间的本固流形，实现特征提取、背景减弱、噪声减小的目标，从而提升聚合物内部缺陷红外热成像检测的准确性和可靠性。
-
公开(公告)号：CN112798648A
公开(公告)日：2021-05-14
申请号：CN202011426444.3
申请日：2020-12-09
Applicant: 浙江工业大学
Abstract: 基于生成核主成分热影像分析的复合材料缺陷检测方法，属于复合材料热成像无损检测技术领域。它包括以下步骤：步骤1、获取复合材料的热影像数据集；步骤2、热影像数据的扩增和预处理：建立谱归一化生成对抗网络生成热图像；步骤3、建立核主成分分析模型：特征空间映射和投影矩阵计算；步骤4、图像重构与缺陷可视化；步骤5、模型表现评估。本发明采用基于生成对抗网络的数据扩增策略和基于核映射的非线性降维技术来分析具有非线性特性的热图像数据；在原始热影像数据较少的情况下生成与实验记录热图像分布相同的数据；采用核主成分热成像分析模型解决了热影像分析中缺陷和背景难以分离的问题，提高了缺陷的可见性。
-
公开(公告)号：CN113552172B
公开(公告)日：2024-09-06
申请号：CN202110991444.6
申请日：2021-08-27
Applicant: 浙江工业大学
Abstract: 基于多层自编码器的红外热成像缺陷检测图像处理方法，属于工业过程中缺陷检测技术领域。它包括以下步骤：1)获取红外热成像缺陷图像数据集；2)对采集的缺陷热图像数据进行预处理；3)构建多层自编码器热成像MAT数据增强模型。本发明利用多层神经网络的非线性特征变换对红外热成像仪采集的热图像进行数据增强，用降维的方式描述了热成像数据之间的本质特征，能够较好的将缺陷与背景信息分离；通过在多层自编码器的每一层都加入激活函数，使模型能够更好的处理具有非线性特征的热成像数据，通过神经元逐层减小的多隐藏层结构提取数据的本质特征，达到去除噪声和不均匀背景的效果。
-
Patent Agency Ranking
公开(公告)号：CN113643275B
公开(公告)日：2024-03-01
申请号：CN202110999452.5
申请日：2021-08-29
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/10 , G06T3/06 , G06V10/762 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 一种基于无监督流形分割的超声波缺陷检测方法，属于碳纤维聚合物内部缺陷无损检测技术领域。它包括以下步骤：1)获取聚合物内部缺陷图像数据集；2)缺陷超声数据预处理；3)统一流形逼近与投影降维；4)无监督图像分割；5)缺陷可视化。本发明利用统一流形逼近与投影，保存局部信息和全局数据结构，对数据进行高质量的降维，并结合无监督图像分割方法进行了像素级的分割和聚类，完成了缺陷区域提取，提升了聚合物内部缺陷超声成像的可识别性，有助于提高超声波无损检测的准确性。
-
公开(公告)号：CN112461892B
公开(公告)日：2022-07-22
申请号：CN202011201479.7
申请日：2020-11-02
Applicant: 浙江工业大学
Abstract: 一种用于复材缺陷无损检测的红外热影像分析方法，包括以下步骤：(1)数据采集：利用红外热像仪获取聚合物复合材料内部缺陷的热影像数据，包括试样的脉冲加热与试样表面热图像捕捉两个过程；(2)数据预处理：对传感器采集到的原始热影像数据进行预处理，包括三部分内容：a)图像有效区域选择b)数据的扩展c)中心化处理；(3)缺陷检测热影像数据分析模型OLPPT构建：计算特征空间的嵌入矩阵Y；(4)OLPPT模型结果可视化：嵌入投影y可视化；(5)OLPPT模型效果定量评估：计算信噪比指标。
-
公开(公告)号：CN109214268B
公开(公告)日：2021-08-03
申请号：CN201810761103.8
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 一种基于集成流形学习的填料塔液泛状态在线监测方法，分为离线学习与在线监测两步，(一)离线学习：通过传感器获得塔设备运行正常工况下的过程变量数据；基于等距离映射算法构建离线流形学习模型，对子训练集进行降维处理；随后建立集成流形学习模型，用多个子训练集训练同一个ISOMAP流形学习模型，最后将结果集成分析处理；最后对集成流形学习模型进行评估，确定是否满足液泛监测要求；(二)在线监测：在每一喷淋密度下，都会计算得到T2与SPE统计量；然后将T2与SPE统计量与离线模型在此喷淋密度下的T2与SPE控制线比较，实现液泛状态的在线监测。本发明提高了塔设备运行状态中液泛监测的及时性、准确性。
-
公开(公告)号：CN113008805A
公开(公告)日：2021-06-22
申请号：CN202110175267.4
申请日：2021-02-07
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于高光谱成像深度分析的白芷饮片质量预测方法，包括以下步骤：步骤1、获取白芷粉末样品；步骤2、获取白芷粉末样品的数据信息；步骤3、高光谱数据预处理；步骤4、特征波段选择与异常样本剔除，准备建模数据集；步骤5、划分数据集并建立DBN预测模型；步骤6、模型表现评估。本发明利用深度置信网络与多样化高光谱图像的波长特征选择方法结合进行建模，找到最高效的预测模型，以便于能够对多种白芷饮片中欧前胡素含量进行快速、准确量化，实现高效地中药制剂质量预测，有助于辅助产品分级和生产决策。
-
公开(公告)号：CN112837294A
公开(公告)日：2021-05-25
申请号：CN202110168833.9
申请日：2021-02-07
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于卷积自编码器图像扩增的热成像缺陷检测方法，包括以下步骤：步骤1、获取碳纤维增强聚合物复合材料的热图像及热图像数据；步骤2、热图像选择与处理；步骤3、建立卷积自编码器图像增强模型，对热图像降噪；步骤4、热影像数据预处理；步骤5、分别基于实验热图像和卷积自编码器重构热图像建立拉普拉苏特征映射热成像模型，提取热图像中的缺陷信息并可视化，实现缺陷的定性监测；步骤6、采用分离度指标对建立的模型进行评估，验证图像增强策略在缺陷检测建模中的效果。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
