-
公开(公告)号：CN118941556B
公开(公告)日：2025-04-18
申请号：CN202411388842.9
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06T5/20 , G06T5/70 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/084
Abstract: 本发明提出了一种基于SAM先验指导的工业缺陷检测方法及系统，涉及工业计算机视觉领域，将待检测的工业表面缺陷图像输入到训练好的检测模型中，依次经过特征提取、特征聚合和缺陷检测，得到检测结果，包括缺陷类别和缺陷位置；所述检测模型的特征提取，首先分别基于SAM大模型和基于卷积操作提取先验特征和局部全局特征，然后将先验特征嵌入到局部全局特征中，得到多层级工业特征，基于多层级工业特征，生成SAM先验指导的检测结果；本发明通过SAM视觉大模型的先验指导，开发更加智能和自适应的缺陷检测模型，使其能够理解并利用先验知识，同时具备自我学习和自我优化的能力，以更好地适应不断变化的数据分布和工业需求。
-
公开(公告)号：CN118941556A
公开(公告)日：2024-11-12
申请号：CN202411388842.9
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06T5/20 , G06T5/70 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/084
Abstract: 本发明提出了一种基于SAM先验指导的工业缺陷检测方法及系统，涉及工业计算机视觉领域，将待检测的工业表面缺陷图像输入到训练好的检测模型中，依次经过特征提取、特征聚合和缺陷检测，得到检测结果，包括缺陷类别和缺陷位置；所述检测模型的特征提取，首先分别基于SAM大模型和基于卷积操作提取先验特征和局部全局特征，然后将先验特征嵌入到局部全局特征中，得到多层级工业特征，基于多层级工业特征，生成SAM先验指导的检测结果；本发明通过SAM视觉大模型的先验指导，开发更加智能和自适应的缺陷检测模型，使其能够理解并利用先验知识，同时具备自我学习和自我优化的能力，以更好地适应不断变化的数据分布和工业需求。
-
公开(公告)号：CN116092040B
公开(公告)日：2023-06-23
申请号：CN202310382096.1
申请日：2023-04-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/56 , G06V10/82 , G06T7/00 , G06N3/084 , G06N3/0455
Abstract: 本发明涉及自动驾驶领域，具体涉及一种车道线预测和车道线缺陷检测方法，包括如下步骤：调节车载摄像头的角度获取各种情况下的真实的道路车道线正视图，对图片中的车道线进行准确的标注，构成训练数据集，并对训练数据集进行数据增强；模型搭建，在编码器中设计MBMA注意力模块，获得车道线特征信息特征图；利用步骤1中处理后的数据对步骤2中搭建好的模型进行训练；模型训练完成后，测试模型，取超过设定阈值的模型进行封装部署，将部署好的模型用于车道线预测和缺陷检测。本方案实现了对现有场景中车道线模糊、严重退化的精准预测；在预测车道线的同时，对车道线进行缺陷检测。
-
Patent Agency Ranking
公开(公告)号：CN116935221B
公开(公告)日：2024-02-13
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。(56)对比文件Zhiren Zhu.et al.Improved YOLOv5l-based Detection of Surface Defects in HotRolled Steel Strips《.Frontiers inComputing and Intelligent Systems》.2023,第4卷(第1期),全文.
-
公开(公告)号：CN117036937B
公开(公告)日：2024-01-26
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN117036937A
公开(公告)日：2023-11-10
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN116935221A
公开(公告)日：2023-10-24
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。
-
公开(公告)号：CN116092040A
公开(公告)日：2023-05-09
申请号：CN202310382096.1
申请日：2023-04-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/56 , G06V10/82 , G06T7/00 , G06N3/084 , G06N3/0455
Abstract: 本发明涉及自动驾驶领域，具体涉及一种车道线预测和车道线缺陷检测方法，包括如下步骤：调节车载摄像头的角度获取各种情况下的真实的道路车道线正视图，对图片中的车道线进行准确的标注，构成训练数据集，并对训练数据集进行数据增强；模型搭建，在编码器中设计MBMA注意力模块，获得车道线特征信息特征图；利用步骤1中处理后的数据对步骤2中搭建好的模型进行训练；模型训练完成后，测试模型，取超过设定阈值的模型进行封装部署，将部署好的模型用于车道线预测和缺陷检测。本方案实现了对现有场景中车道线模糊、严重退化的精准预测；在预测车道线的同时，对车道线进行缺陷检测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
