-
公开(公告)号:CN120031791A
公开(公告)日:2025-05-23
申请号:CN202411877675.4
申请日:2024-12-19
Applicant: 暨南大学
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/764 , G06V10/25 , G06V10/26
Abstract: 本发明涉及图像处理技术领域,具体指一种两阶段的刀具表面缺陷检测方法及系统,包括:对待检测刀具表面通道图像进行灰度化、姿态矫正、裁剪和标注操作,得到待检测刀具表面矫正灰度图像对应每张子图像及其编号;将每张子图像分别输入训练好的残差网络和支持向量机,输出每张子图像的第一预测缺陷概率值和第二预测缺陷概率值,并得到每张子图像的融合缺陷概率值;将融合缺陷概率值大于等于阈值的子图像作为异常子图像;基于各异常子图像及其编号相同的正常子图像,构成各异常子图像的缺陷对;将所有异常子图像的缺陷对输入训练好的孪生变换检测网络,输出各异常子图像中缺陷区域特征和分割结果。本发明提升刀具表面缺陷检测精确度、可靠性和效率。
-
公开(公告)号:CN119169428A
公开(公告)日:2024-12-20
申请号:CN202410963341.2
申请日:2024-07-18
Applicant: 暨南大学
IPC: G06V10/82 , G06V10/774 , G06V10/80 , G06V10/54 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像视觉处理技术领域,尤其是指一种基于背景建模的工业产品表面缺陷数据集扩充方法及装置,包括:利用背景建模方法提取缺陷图像的背景纹理信息,得到缺陷图像的背景纹理图像数据集;利用缺陷图像的背景纹理图像数据集训练生成对抗网络,利用训练好的生成对抗网络生成新的背景纹理图像;将缺陷图像与其对应的背景纹理图像做差分运算,得到缺陷前景图像;将缺陷前景图像与生成对抗网络生成的背景纹理图像融合,得到融合缺陷图像。本发明得到的缺陷图像保留了背景纹理信息,且突出了图像中的缺陷特征,具有多样性的同时保证了缺陷特征的质量。
-
公开(公告)号:CN120031790A
公开(公告)日:2025-05-23
申请号:CN202411877673.5
申请日:2024-12-19
Applicant: 暨南大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T3/06 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域,尤其是指一种基于多模态融合的结构损伤检测方法及系统,包括:采集结构损伤的二维图像和三维点云;利用深度学习模型对二维图像进行分割,得到分割图像;将三维点云的三维坐标映射到图像坐标,建立三维点云与分割图像像素之间的对应关系,依据分割图像中每个像素的分割结果获取对应三维点云的损伤类别标签;根据三维点云的损伤类别标签,根据损伤的几何特性分别提取裂缝和面状损伤的结构化数据。本发明确保了损伤检测结果的准确性和一致性,有效提升了损伤检测的精度和鲁棒性。
-
-