公开(公告)号：CN113592024B

公开(公告)日：2024-05-28

申请号：CN202110922763.1

申请日：2021-08-12

Applicant: 燕山大学

Inventor： 王东城 ,  徐扬欢 ,  刘计尊 ,  段伯伟 ,  杨实禹 ,  于华鑫 ,  刘宏民

IPC: G06V10/764 ,  G06V10/774 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464 ,  G01N21/01 ,  G01N21/88 ,  G01N21/95

Abstract: 本发明涉及一种冷轧铜带表面缺陷识别模型训练方法，该训练方法包括：建立冷轧铜带的表面缺陷数据集，该表面缺陷数据集包括多种表面缺陷类别各自对应的多张训练用图像。然后构建初始识别模型，该初始识别模型为深度卷积神经网络模型。最后利用表面缺陷数据集对初始识别模型进行训练，得到识别模型，进而所建立的识别模型能够对多种缺陷类别进行识别，实际应用效果好。本发明还用于提供一种冷轧铜带表面缺陷识别方法及系统，利用上述训练方法训练得到的识别模型对待识别图像进行识别，得到待识别图像对应的表面缺陷类别，识别精度高且识别速度快，可以实时在线检测表面缺陷类别。

公开(公告)号：CN114627108A

公开(公告)日：2022-06-14

申请号：CN202210381686.8

申请日：2022-04-12

Applicant: 燕山大学

Inventor： 王东城 ,  徐扬欢 ,  刘计尊 ,  段伯伟 ,  杨实禹 ,  于华鑫 ,  刘宏民

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/13 ,  G06T7/136 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明提供了一种金属带材板形缺陷图像数据集的制作方法及数据集，涉及带材板形质量检测技术领域。首先根据生产需求，科学系统的划分了金属带材常见板形缺陷的类别；其次在生产现场采集了大量带材板形缺陷的原始图像，根据图像处理理论，针对板形缺陷原始图像设计了系统性的缺陷图像处理流程及方法，通过该方法对板形缺陷原始图像中的无效信息区域进行自动化掩码处理，保留有效信息区域；最终制作了金属带材板形缺陷图像数据集。本发明对板形缺陷图像的处理精度高，执行速度快，制作的数据集中包含的板形缺陷类别多，符合真实生产情况，对基于机器视觉的板形缺陷检测研究具有重要意义。

公开(公告)号：CN113452379A

公开(公告)日：2021-09-28

申请号：CN202110805792.X

申请日：2021-07-16

Applicant: 燕山大学

Inventor： 王东城 ,  汪永梅 ,  徐扬欢 ,  段伯伟 ,  刘计尊 ,  刘宏民

IPC: H03M7/30

Abstract: 本发明涉及一种断面轮廓降维模型训练方法及系统，通过基于降噪自编码神经网络构建初始断面轮廓降维模型，并通过优化训练得到训练好的断面轮廓降维模型，能够得到符合带材断面轮廓数据实际生产过程的降维模型。本发明还涉及一种带材断面轮廓数据压缩方法，利用断面轮廓降维模型对带材生产过程中的断面轮廓数据进行压缩，满足带材断面轮廓数据的实时压缩要求，便于带材断面轮廓数据的存储与传输。

公开(公告)号：CN113452379B

公开(公告)日：2022-08-02

申请号：CN202110805792.X

申请日：2021-07-16

Applicant: 燕山大学

Inventor： 王东城 ,  汪永梅 ,  徐扬欢 ,  段伯伟 ,  刘计尊 ,  刘宏民

IPC: H03M7/30

Abstract: 本发明涉及一种断面轮廓降维模型训练方法及系统，通过基于降噪自编码神经网络构建初始断面轮廓降维模型，并通过优化训练得到训练好的断面轮廓降维模型，能够得到符合带材断面轮廓数据实际生产过程的降维模型。本发明还涉及一种带材断面轮廓数据压缩方法，利用断面轮廓降维模型对带材生产过程中的断面轮廓数据进行压缩，满足带材断面轮廓数据的实时压缩要求，便于带材断面轮廓数据的存储与传输。

公开(公告)号：CN113592024A

公开(公告)日：2021-11-02

申请号：CN202110922763.1

申请日：2021-08-12

Applicant: 燕山大学

Inventor： 王东城 ,  徐扬欢 ,  刘计尊 ,  段伯伟 ,  杨实禹 ,  于华鑫 ,  刘宏民

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G01N21/01 ,  G01N21/88 ,  G01N21/95

Abstract: 本发明涉及一种冷轧铜带表面缺陷识别模型训练方法，该训练方法包括：建立冷轧铜带的表面缺陷数据集，该表面缺陷数据集包括多种表面缺陷类别各自对应的多张训练用图像。然后构建初始识别模型，该初始识别模型为深度卷积神经网络模型。最后利用表面缺陷数据集对初始识别模型进行训练，得到识别模型，进而所建立的识别模型能够对多种缺陷类别进行识别，实际应用效果好。本发明还用于提供一种冷轧铜带表面缺陷识别方法及系统，利用上述训练方法训练得到的识别模型对待识别图像进行识别，得到待识别图像对应的表面缺陷类别，识别精度高且识别速度快，可以实时在线检测表面缺陷类别。