-
公开(公告)号：CN116542910A
公开(公告)日：2023-08-04
申请号：CN202310386163.7
申请日：2023-04-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于亚像素边缘提取的冲压件圆孔定位及形变检测方法，包括：1、采集冲压件的图像并进行预处理；2、运用OSTU阈值分割算法提取冲压件整体目标，再将图像转化为二值化图像；3、通过亚像素边缘检测提取冲压件所有边缘像素，然后进行亚像素直线边缘拟合和亚像素曲线边缘拟合，获取所有的直线、椭圆、圆三个类型的轮廓边缘，筛选出两侧边缘轮廓直线以及所有圆形轮廓边缘，并计算圆心坐标；4、分别计算每个圆心到两侧边缘直线距离，判断圆孔位置是否发生偏移；5、计算各个圆心到圆边缘轮廓各点距离，选择最大值和最小值进行比较，两者之差超过设定的范围则判定为发生形变。该方法有利于提高冲压件圆孔定位及形变检测的准确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN116597350A
公开(公告)日：2023-08-15
申请号：CN202310546858.7
申请日：2023-05-16
Applicant: 福州大学
IPC: G06V20/40 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06V10/774 , G06V10/82 , G06V10/56 , G06V10/764 , G06V10/62 , G06V10/52
Abstract: 本发明提供一种基于BiLSTM预测偏离度的浮选过程故障早期预警方法：首先，采集泡沫视频图像并提取视频序列颜色特征，构建样本数据集；然后，构建基于ResNet50和BiLSTM的时间序列预测模型，将ResNet50提取的空间特征输入到BiLSTM网络进行颜色的时间序列预测；其次，采用正常工作数据集对时间序列颜色特征进行预测，根据预测值和实际值计算偏离度、确定预警阈值；最后，实时采集泡沫视频图像进行颜色特征预测，当预测偏离度超限时进行生产故障早期预警。本发明方法的时间序列颜色特征的预测偏差小、拟合度好，故障预警时间得到有效提前，能够实现浮选过程故障的早期预警，有效减少矿产资源和药剂的浪费。
-
公开(公告)号：CN116385752A
公开(公告)日：2023-07-04
申请号：CN202310386196.1
申请日：2023-04-12
Applicant: 福州大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和可微分聚类的红外视频显著目标检测方法，包括：1、获取红外视频图像帧，构建红外视频显著性数据集；2、构建红外视频显著目标检测模型，其主要由基于Vgg16网络的特征提取网络、基于注意力和ConvLSTM的显著性检测模型以及基于可微分聚类的显著目标细分割模型组成，通过特征提取网络对输入的图像进行特征提取，再将提取的特征输入显著性检测模型，进而得到动态显著性图，最后用显著目标细分割模型进行精细化分割，得到图像分割结果；通过数据集对红外视频显著目标检测模型进行训练；3、将待检测图像输入训练好的模型，得到检测结果。该方法可以提高红外视频显著性检测的精度，清晰、准确地检测出红外视频对象中的显著性区域。
-
公开(公告)号：CN117115075A
公开(公告)日：2023-11-24
申请号：CN202310386231.X
申请日：2023-04-12
Applicant: 福州大学
Abstract: 本发明涉及一种融合多方向多元宇宙局部分割的金属表面锈斑检测方法，首先采集待检测金属表面锈斑图像，并对图像进行中值滤波及同态滤波预处理；其次对图像进行全局多方向灰度扫描分析，确定主灰度分布曲线并进行峰谷点搜索与定位；然后采用多元宇宙优化算法优化峰谷区间分割的波动幅度阈值和浮动阈值参数，获得各个方向的最优局部分割；最后采用主成分分析法对多方向的最优局部分割图像进行压缩融合，得到最终锈斑检测结果。该方法有利于提高检测效率和精确度。
-
公开(公告)号：CN116503378A
公开(公告)日：2023-07-28
申请号：CN202310546945.2
申请日：2023-05-16
Applicant: 福州大学
IPC: G06T7/00 , G06N3/0464 , G06N3/096 , G06N3/006 , G06V10/82 , G06V10/774 , G06Q10/04 , G06Q50/02 , G06V10/40 , G06V10/764 , G06V10/80
Abstract: 本发明提出一种双模态CNN二次迁移学习的精矿品位等级预测方法。首先，构建基于改进SE‑DenseNet的泡沫双模态图像深度学习网络模型，并借助RGB‑D大数据集对模型预训练；其次，构建不同加药状态下的小规模数据集对迁移后模型的最后卷积层、全连接层和softmax重新训练；最后，采用自适应深度核极限学习机代替全连接层和softmax进行再次迁移学习，得到各种加药状态下的精矿品位等级预测模型。本发明方法在小规模训练集条件下可有效扩大相邻品位等级图像特征的差异程度、降低误识别率，有效解决了单次迁移学习的过拟合问题，具有较高的预测精确度和召回率。
-
公开(公告)号：CN116823801A
公开(公告)日：2023-09-29
申请号：CN202310878072.5
申请日：2023-07-18
Applicant: 福州大学
IPC: G06T7/00 , G06T5/00 , G06N10/60 , G06V10/762
Abstract: 本发明提出量子多元宇宙优化点云基准面的冲压模具磨损评估方法，包括以下步骤：步骤一、通过三维激光扫描仪获取冲压模具点云数据并预处理；步骤二、构建冲压模具平面磨损度测量的点云目标函数，将平面磨损度测量转换为点云基准面的优化过程；步骤三、将量子计算引入多元宇宙算法优化，采用量子叠加态对宇宙黑洞和白洞进行编码，通过量子旋转门更新和量子非转门来实现宇宙物质的更新和变异；将量子多元宇宙算法用于寻优点云基准面，将适应度值作为平面磨损度，并设置阈值对磨损程度进行评估；本发明解决了传统模具磨损测量方法的效率和精度低、过程复杂等问题，能实现较为准确并快速的冲压模具平面磨损程度评估，提升工业生产效率和自动化程度。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
