-
公开(公告)号：CN119884782A
公开(公告)日：2025-04-25
申请号：CN202411964162.7
申请日：2024-12-30
Applicant: 西北工业大学
Abstract: 本发明涉及机械产品零件的装配技术领域，具体涉及一种基于KM算法的串联结构零件选择装配方法，该方法包括获取串联装配结构中多种待选配零件；建立每种待选配零件中每个零件的零件信息矩阵；建立相邻两种待选配零件之间的装配关系约束矩阵；根据装配关系约束矩阵，利用KM算法对串联结构中相邻两种零件之间进行匹配，分别获取相邻两种零件的匹配结果矩阵；将所有相邻两种零件的匹配结果矩阵进行优化组合，获取总体最优装配矩阵；根据总体最优装配矩阵输出零件的配对方案。本发明解决串联结构零部件的选择装配问题，提高该类零部件的装配成功率与装配效率。
-
公开(公告)号：CN118366177A
公开(公告)日：2024-07-19
申请号：CN202410392635.4
申请日：2024-04-02
Applicant: 西北工业大学
Abstract: 本发明涉及一种航空发动机叶片标识编码识读结果后处理审查校正方法，属于工业字符识别技术领域。首先输入叶片标识编码识读结果，基于Trie数据结构参考已有的包含所有叶片标识编码的样本库，通过后处理审查方法判读识读结果的准确性，如果正确则不进行后处理校正；如果不正确，则根据本发明所提供的后处理校正方法对输入的叶片标识编码识读结果进行校正处理，并进行交互选择输出最终的正确识读结果。通过本发明的应用，可以实现航空发动机叶片标识编码识读结果的审查和校正，综合一高识读准确率，避免大批量的人工查找核对过程，为叶片全生命周期管理过程的信息化和智能化升级提供基础。
-
公开(公告)号：CN118366170A
公开(公告)日：2024-07-19
申请号：CN202410392631.6
申请日：2024-04-02
Applicant: 西北工业大学
IPC: G06V30/19 , G06V30/146 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及一种基于深度迁移学习的航空发动机叶片编码点阵字符识别方法，属于工业字符识别技术领域。通过工业相机获取叶片图像，利用现有的通用性目标检测网络模型完成叶片榫头编码点阵字符区域定位提取，借助多种图像处理方法对编码点阵字符区域图像进行图像增强和增广完成目标域数据集构建，使用同源任务的带有工业字符标识编码的汽车零件图片数据集和自行生成的清晰仿编码数据集进行处理完成源域数据集构建，设计构建YOLO‑GhostNetV2‑EMA网络模型结构图，根据所提模型设计深度迁移学习微调实验策略，进行实验并训练最佳字符检测识别模型，最后基于上述图像增强和最佳字符检测识别模型实现自然工况的叶片编码点阵字符高准确率识别。
-
公开(公告)号：CN118366178A
公开(公告)日：2024-07-19
申请号：CN202410392629.9
申请日：2024-04-02
Applicant: 西北工业大学
IPC: G06V30/262 , G06V30/19
Abstract: 本发明涉及一种面向多行字符识别结果的行归类结构化读取方法，属于工业字符识别技术领域。将字符目标检测识别结果输出的边界框坐标和类别信息作为输入，求解多行字符的文本范围，基于聚类的思想将离散的字符识别结果归类为不同的行，并对不同行内的字符顺序进行判断，从而完成多行字符识别结果的读取，实现多行字符文本语义上的理解和组织，以便更好地处理和利用识别出的文本信息。本发明同时为多行字符文本识读结果的后处理审查与校正提供基础，整体提高文本识读准确率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
