-
公开(公告)号：CN114944782A
公开(公告)日：2022-08-26
申请号：CN202210545089.4
申请日：2022-05-19
Applicant: 西安工程大学
IPC: H02N2/00
Abstract: 本发明公开了基于介电弹性体材料的驱动机构及驱动器的制备方法，包括两个相对设置的端盖，两个端盖之间连接有偶数个驱动器，多个驱动器沿端盖环向分布；驱动器包括互相贴合的第一薄膜和第二薄膜，第一薄膜和第二薄膜表面两端分别固定有固定夹片，两个固定夹片之间的薄膜表面固定有剪切条；第一薄膜包括介电弹性体薄膜，介电弹性体薄膜上、下表面贴附有导电聚合物电极，导电聚合物电极连接有导线，第二薄膜包括介电弹性体薄膜，介电弹性体薄膜一表面贴附有导电聚合物电极，另一表面与第一薄膜贴合。能保证其有大变形的同时又具有较大的输出力。
-
公开(公告)号：CN111037589A
公开(公告)日：2020-04-21
申请号：CN201911267972.6
申请日：2019-12-11
Applicant: 西安工程大学
Abstract: 本发明公开了一种机器人末端结构，包括仿生手掌，仿生手掌上连接有仿生手指，仿生手掌内设置有用于驱动仿生手指的驱动机构，仿生手指包括依次连接的近指节、中指节及远指节，还包括有肌腱，肌腱一端连接驱动机构，另一端依次连接近指节、中指节及远指节。将神经网络运用到自适应控制算法中，通过网络的训练，精确控制机械手在自适应抓取过程的输出参数，面对不同的物体进行施加不同的力矩，从而进行柔性化的抓取。
-
公开(公告)号：CN104199823B
公开(公告)日：2017-09-01
申请号：CN201410334091.2
申请日：2014-07-14
Applicant: 西安工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于视觉数据驱动的织物疵点动态检测方法，具体按照以下步骤实施：步骤1，将采集的RGB空间的织物图像转换为HSV空间织物图像；步骤2，提取图像的饱和度特征S和亮度特征V形成饱和度特征图和亮度特征图；步骤3，在步骤2中得到的饱和度特征图和亮度特征图上采用视觉数据驱动形成显著图；步骤4，在步骤3的基础上，由极差确定阈值并分割疵点信息；步骤5，将分割出来的疵点信息融合成完整的疵点信息。本发明的一种基于视觉数据驱动的织物疵点动态检测方法，解决了现有技术中检测准确率不高，疵点分割不准确，检测普适性不强的问题。
-
公开(公告)号：CN104199823A
公开(公告)日：2014-12-10
申请号：CN201410334091.2
申请日：2014-07-14
Applicant: 西安工程大学
IPC: G06F17/30
CPC classification number: G06T7/0004
Abstract: 本发明公开了一种基于视觉数据驱动的织物疵点动态检测方法，具体按照以下步骤实施：步骤1，将采集的RGB空间的织物图像转换为HSV空间织物图像；步骤2，提取图像的饱和度特征S和亮度特征V形成饱和度特征图和亮度特征图；步骤3，在步骤2中得到的饱和度特征图和亮度特征图上采用视觉数据驱动形成显著图；步骤4，在步骤3的基础上，由极差确定阈值并分割疵点信息；步骤5，将分割出来的疵点信息融合成完整的疵点信息。本发明的一种基于视觉数据驱动的织物疵点动态检测方法，解决了现有技术中检测准确率不高，疵点分割不准确，检测普适性不强的问题。
-
公开(公告)号：CN112102167A
公开(公告)日：2020-12-18
申请号：CN202010895035.1
申请日：2020-08-31
Applicant: 西安工程大学 , 绍兴市柯桥区西纺纺织产业创新研究院
Abstract: 本发明公开了一种基于视觉感知的图像超分辨率方法，包括：步骤1、建立图像数据集，图像数据集包括训练集和测试集，训练集中包括一一对应的高、低分辨率图像；构建生成网络模型，生成网络模型包括生成器和判别器；将训练集中的低分辨率图像、高分辨率图像分别输入生成器、判别器中进行训练，并利用第一损失函数、第二损失函数分别对生成器、判别器进行参数更新，得到图像超分辨率生成网络模型；将测试集输入图像超分辨率生成网络模型，生成高分辨率图像。以神经网络为基础，融入视觉注意机制、视觉显著性构建出仪表盘图像超分辨率模型，该模型具有视觉感知优势，能在保证细节清晰的前提下提高仪表盘图像的分辨率。
-
Patent Agency Ranking
公开(公告)号：CN104134211B
公开(公告)日：2017-07-25
申请号：CN201410352867.3
申请日：2014-07-23
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法，采用高斯滤波器对采集的带钢图像多分辨率滤波，获得不同分辨率带钢图像；在不同分辨率带钢图像之间，采用中央周边操作获得不同分辨率带钢差分图像；对带钢差分图像融合；最后通过带钢融合图像的各行极大值的均值和各列极大值的均值中的较小均值作为分割阈值，将缺陷从带钢背景纹理中分割出来。本发明一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法，解决了现有方法检测不准确，算法复杂，不能适应冷、热轧带钢中缺陷检测的问题，能够满足冷轧、热轧带钢缺陷在线检测的准确率需要，对各类疵点检测具有较强的普适性，为带钢缺陷在线检测提供了一种新的方法。
-
公开(公告)号：CN105069778B
公开(公告)日：2017-06-23
申请号：CN201510419851.4
申请日：2015-07-16
Applicant: 西安工程大学
Inventor： 管声启
Abstract: 本发明公开了一种基于目标特征显著图构建的工业产品表面缺陷检测方法，具体按照以下步骤实施：步骤1、将采集到的彩色图像转换为灰度图像；步骤2、根据灰度图像的表面缺陷面积特征和数目特征分别构建前景目标面积特征显著图和数目特征显著图；步骤3、分别确定阈值，然后根据所确定的阈值分别对面积特征显著图和数目特征显著图进行分割分别获得面积特征二值图和数目特征二值图；步骤4、将面积特征二值图和数目特征二值图融合成为整体二值图；步骤5、根据前景目标面积，确定滤波阈值，滤除小于滤波阈值的噪声和伪目标，大于滤波阈值的即为工业产品表面缺陷。本发明检测方法缺陷检测准确率高，适应性和抗噪性强。
-
公开(公告)号：CN106846396A
公开(公告)日：2017-06-13
申请号：CN201710004277.5
申请日：2017-01-04
Applicant: 西安工程大学
Abstract: 基于视觉注意机制的织物起球等级评价方法，包括以下步骤：步骤1、采集织物起球图像；步骤2、对织物起球图像进行小波多层分解：步骤3、确定织物起球图像的中央层子图与周边层子图；步骤4、构建织物起球显著图；步骤5、获取织物起球目标；步骤6、提取织物起球特征；步骤7、对织物起球等级进行评价。基于视觉注意机制的织物起球等级评价方法，通过准确选择中央层子图与周边层子图并且在它们之间进行中央‑周边操作，能够提高起球目标的显著性、减少计算量；对织物起球显著图进行阈值分割和滤波，能够有效获取织物起球目标；在此基础上，提取起球特征，进而快速、准确地对织物起球等级进行客观评价。
-
公开(公告)号：CN105069778A
公开(公告)日：2015-11-18
申请号：CN201510419851.4
申请日：2015-07-16
Applicant: 西安工程大学
Inventor： 管声启
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/10024
Abstract: 本发明公开了一种基于目标特征显著图构建的工业产品表面缺陷检测方法，具体按照以下步骤实施：步骤1、将采集到的彩色图像转换为灰度图像；步骤2、根据灰度图像的表面缺陷面积特征和数目特征分别构建前景目标面积特征显著图和数目特征显著图；步骤3、分别确定阈值，然后根据所确定的阈值分别对面积特征显著图和数目特征显著图进行分割分别获得面积特征二值图和数目特征二值图；步骤4、将面积特征二值图和数目特征二值图融合成为整体二值图；步骤5、根据前景目标面积，确定滤波阈值，滤除小于滤波阈值的噪声和伪目标，大于滤波阈值的即为工业产品表面缺陷。本发明检测方法缺陷检测准确率高，适应性和抗噪性强。
-
公开(公告)号：CN115222958A
公开(公告)日：2022-10-21
申请号：CN202210885784.5
申请日：2022-07-26
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于深度卷积网络的织物起球缺陷等级评定方法及系统，将首层卷积层中7×7卷积核设计成三个3×3卷积核的组合，实现小目标起球特征的有效提取；在残差网络中用ReLU6激活函数替换ReLU激活函数，避免ReLU激活函数导致的权值范围相差过大破坏起球的特征信息；在残差网络中加入平均池化，利用小尺寸感受野获取起球特征信息，使得起球特征更充分，网络参数减少，避免参数过多导致过拟合。添加注意机制模型，按照通道注意力机制与空间注意力机制的并行的方式，使得织物起球特征被更充分的提取。因此，该等级评定方法可在织物起球目标微弱和织物背景纹理复杂条件下，对织物起球等级进行准确评定，满足织物起球等级评定的准确率需要。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
