一种基于Swin Transformer的表面缺陷检测方法及系统

    公开(公告)号:CN116703885A

    公开(公告)日:2023-09-05

    申请号:CN202310791190.2

    申请日:2023-06-30

    Abstract: 本发明公开了一种基于Swin Transformer的表面缺陷检测方法及系统,方法包括:获取待检测样品图像;对获取的待检测样品图像进行预处理;将预处理后的待检测样品图像输入预先训练的表面缺陷检测模型中;根据表面缺陷检测模型的输出,确定待检测样品的缺陷及缺陷位置。本发明基于Swin Transformer模块,使用U型对称编码‑解码器结构网络,同时添加了跳跃连接和注意力机制,更好地实现了对图像全局特征和局部特征的提取,可以准确检测并定位出缺陷位置,解决了实际工业场景中缺陷样本数量少且种类不均衡的问题。

    一种面向复杂表面的工业产品的三维点云数据压缩方法

    公开(公告)号:CN117372552B

    公开(公告)日:2024-07-05

    申请号:CN202311347568.6

    申请日:2023-10-18

    Abstract: 本发明公开了一种工业品点云压缩技术领域的面向复杂表面的工业产品的三维点云数据压缩方法,旨在解决现有技术中数据量庞大的点云数据在运算、传输、存储的过程中会产生运算传输时间过长,影响生产效率等问题,其包括对原始点云数据文件中的点云数据进行划分得到缺陷点的点云数据集和去除缺陷点的点云数据集;对两个点云数据集分别采用不同的压缩方法进行压缩得到压缩后的点云数据集并结合,获得完整的工业产品的压缩点云数据文件。本发明可以有效对工业产品模型的点云数据量进行压缩,节省传输耗时,并同时保证压缩后的的点云数据通过三维重建后可较为接近原始产品的模型文件。

    一种基于深度学习的工业零件三维点云修复方法及装置

    公开(公告)号:CN117671131A

    公开(公告)日:2024-03-08

    申请号:CN202311371086.4

    申请日:2023-10-20

    Abstract: 本发明公开了一种基于深度学习的工业零件三维点云修复方法及装置,其方法包括:获取工业零件的残缺三维点云;将残缺三维点云输入训练好的点云修复模型,获取完整三维点云;其中,点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器;点云修复模型的训练过程包括:采用泊松盘采样方式对工业零件进行采样生成实际三维点云;通过HPR算子方式对实际三维点云进行点去除生成多个模拟残缺三维点云;将实际三维点云作为各个模拟残缺三维点云的真实标签组成样本,并生成样本集;将样本集按预设比例划分为训练集、验证集以及测试集,并进行反向传播训练;本发明能够准确的进行工业零件三维点云修复。

    一种基于弱监督的工业产品表面缺陷检测方法及装置

    公开(公告)号:CN116721071B

    公开(公告)日:2024-08-06

    申请号:CN202310656053.8

    申请日:2023-06-05

    Abstract: 本发明公开了一种基于弱监督的工业产品表面缺陷检测方法及装置,其方法包括获取待检测的工业产品的表面图像;将所述表面图像输入预构建的缺陷检测模型,获取缺陷检测结果;通过热力图呈现所述缺陷检测结果;其中,所述缺陷检测模型的构建过程包括:获取所述工业产品的表面图像,添加缺陷标签生成样本图像,并构建训练集和测试集;构建基于ResNet网络、DeepLab网络以及CBAM注意力机制模块的网络模型;通过ImageNet数据库对网络模型进行预训练,生成预训练模型;通过训练集对预训练模型进行训练,生成缺陷检测模型;通过测试集对缺陷检测模型进行性能测试,若性能满足预设要求,则缺陷检测模型构建完成;本发明能够在缺陷样本少的情况下,提升模型的检测准确性。

    一种基于深度学习的工业零件三维点云修复方法及装置

    公开(公告)号:CN117671131B

    公开(公告)日:2024-07-23

    申请号:CN202311371086.4

    申请日:2023-10-20

    Abstract: 本发明公开了一种基于深度学习的工业零件三维点云修复方法及装置,其方法包括:获取工业零件的残缺三维点云;将残缺三维点云输入训练好的点云修复模型,获取完整三维点云;其中,点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器;点云修复模型的训练过程包括:采用泊松盘采样方式对工业零件进行采样生成实际三维点云;通过HPR算子方式对实际三维点云进行点去除生成多个模拟残缺三维点云;将实际三维点云作为各个模拟残缺三维点云的真实标签组成样本,并生成样本集;将样本集按预设比例划分为训练集、验证集以及测试集,并进行反向传播训练;本发明能够准确的进行工业零件三维点云修复。

    一种面向复杂表面的工业产品的三维点云数据压缩方法

    公开(公告)号:CN117372552A

    公开(公告)日:2024-01-09

    申请号:CN202311347568.6

    申请日:2023-10-18

    Abstract: 本发明公开了一种工业品点云压缩技术领域的面向复杂表面的工业产品的三维点云数据压缩方法,旨在解决现有技术中数据量庞大的点云数据在运算、传输、存储的过程中会产生运算传输时间过长,影响生产效率等问题,其包括对原始点云数据文件中的点云数据进行划分得到缺陷点的点云数据集和去除缺陷点的点云数据集;对两个点云数据集分别采用不同的压缩方法进行压缩得到压缩后的点云数据集并结合,获得完整的工业产品的压缩点云数据文件。本发明可以有效对工业产品模型的点云数据量进行压缩,节省传输耗时,并同时保证压缩后的的点云数据通过三维重建后可较为接近原始产品的模型文件。

    一种基于弱监督的工业产品表面缺陷检测方法及装置

    公开(公告)号:CN116721071A

    公开(公告)日:2023-09-08

    申请号:CN202310656053.8

    申请日:2023-06-05

    Abstract: 本发明公开了一种基于弱监督的工业产品表面缺陷检测方法及装置,其方法包括获取待检测的工业产品的表面图像;将所述表面图像输入预构建的缺陷检测模型,获取缺陷检测结果;通过热力图呈现所述缺陷检测结果;其中,所述缺陷检测模型的构建过程包括:获取所述工业产品的表面图像,添加缺陷标签生成样本图像,并构建训练集和测试集;构建基于ResNet网络、DeepLab网络以及CBAM注意力机制模块的网络模型;通过ImageNet数据库对网络模型进行预训练,生成预训练模型;通过训练集对预训练模型进行训练,生成缺陷检测模型;通过测试集对缺陷检测模型进行性能测试,若性能满足预设要求,则缺陷检测模型构建完成;本发明能够在缺陷样本少的情况下,提升模型的检测准确性。

Patent Agency Ranking