公开(公告)号：CN109636822A

公开(公告)日：2019-04-16

申请号：CN201811521855.3

申请日：2018-12-13

Applicant: 大连理工大学

Inventor： 薛林 ,  崔允浩 ,  陈相吉 ,  黑俊铭

IPC: G06T7/13 ,  G06T5/00 ,  G06T7/136

Abstract: 本发明属于数字图像处理技术领域，提供了一种基于新构建隶属度函数的改进Canny自适应边缘提取方法，用边缘隶属度图代替梯度图，并结合Otsu法，可以实现自适应的实时边缘提取，并能够在一定程度上有效保护弱边缘，保持边缘的连续性，有效提升了Canny算法的实际应用能力。本发明新构造一种边缘隶属度函数，用边缘隶属度图代替传统Canny边缘检测算法中的梯度图，并结合Otsu法提出一种新的自适应Canny边缘检测方法。新构造的边缘隶属度图相较于梯度图，综合考虑了中心像素本身及其与邻域像素之间的关系，对图像的信息利用更充分，从而使得边缘检测效果更为理想，在一定程度上有效保护了弱边缘，而且边缘连续性更好。

公开(公告)号：CN114782346B

公开(公告)日：2024-10-29

申请号：CN202210384892.4

申请日：2022-04-13

Applicant: 大连理工大学

Inventor： 薛林 ,  李琦 ,  刘志远

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，是一种基于多形态数据扩增与分块识别的布匹图像缺陷检测方法。本发明利用多形态数据扩增算法，通过提取缺陷特征，采用传统图像处理方法改变缺陷形态，将形态变换后的缺陷与原有布匹图像进行融合，批量生成新的缺陷图像；利用分块识别算法和检测框融合算法，通过裁剪图像，使用小尺寸图像训练模型，在推理时输入大尺寸图像，采用分块逐张检测、合并检测结果，用以完成尺寸较大、背景复杂的布匹图像的检测，从而提高尺寸较大、背景复杂的布匹图像中缺陷的检测精度。

公开(公告)号：CN117787090A

公开(公告)日：2024-03-29

申请号：CN202311759676.4

申请日：2023-12-20

Applicant: 大连理工大学

Inventor： 薛林 ,  徐震震

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/049 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06F119/02

Abstract: 本发明属于航空发动机故障预测与健康管理(PHM)领域，具体为基于多尺度信息的航空发动机剩余使用寿命预测方法。本发明利用卷积核尺寸不同的二维卷积层对数据进行处理，提取数据的多尺度信息，同时使用时间卷积网络提取数据的时间特征，模型整体使用并行结构，能够保证多尺度信息和时间特征均来自原始训练样本，并融合这两个特征信息，得到最终的RUL预测结果，能够提高单故障模式的航空发动机的RUL预测精度。

公开(公告)号：CN111144513B

公开(公告)日：2022-09-20

申请号：CN202010000347.1

申请日：2020-01-02

Applicant: 大连理工大学

Inventor： 薛林 ,  陈相吉 ,  黑俊铭

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明属于图像处理技术领域，提供了一种结合生成对抗网络与传统图像处理技术的工业产品喷涂缺陷数据增强方法。利用传统图像处理，通过对图片各通道像素值与图片尺度的变换，对喷涂缺陷进行提取，再采用生成对抗网络对提取的缺陷图像进行训练和生成。本发明可以有效地增加喷涂缺陷数据的多样性，为构建缺陷分类识别等神经网络的训练过程提供数据集，可以一定程度上解决工业生产环境中产品喷涂缺陷数据量不足的问题。

公开(公告)号：CN111144513A

公开(公告)日：2020-05-12

申请号：CN202010000347.1

申请日：2020-01-02

Applicant: 大连理工大学

Inventor： 薛林 ,  陈相吉 ,  黑俊铭

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明属于图像处理技术领域，提供了一种结合生成对抗网络与传统图像处理技术的工业产品喷涂缺陷数据增强方法。利用传统图像处理，通过对图片各通道像素值与图片尺度的变换，对喷涂缺陷进行提取，再采用生成对抗网络对提取的缺陷图像进行训练和生成。本发明可以有效地增加喷涂缺陷数据的多样性，为构建缺陷分类识别等神经网络的训练过程提供数据集，可以一定程度上解决工业生产环境中产品喷涂缺陷数据量不足的问题。

公开(公告)号：CN109671064A

公开(公告)日：2019-04-23

申请号：CN201811528884.2

申请日：2018-12-14

Applicant: 大连理工大学

Inventor： 薛林 ,  陈相吉 ,  崔允浩 ,  黑俊铭

IPC: G06T7/00

Abstract: 本发明提供了一种工业零部件表面裂纹的多目标检测方法，识别出图像中的裂纹，并获取裂纹的位置和尺寸信息，用以代替人工检测裂纹的工作。本发明可以利用目标检测和图像处理技术解决工业零部件表面裂纹的多目标检测的问题，一定程度代替人工检测。另外本发明可以通过增大训练集数据量，强化网络的识别能力，增强方法的适用性。

公开(公告)号：CN118071858A

公开(公告)日：2024-05-24

申请号：CN202410198096.0

申请日：2024-02-22

Applicant: 大连理工大学

Inventor： 薛林 ,  徐佳龙 ,  王永清 ,  刘海波 ,  马凯

IPC: G06T11/00 ,  G06T17/00

Abstract: 为了获得用于逆向工程的高精度工业CT等值面网格，本发明提出了基于工业CT自适应体数据的对偶八叉树的表面提取方法，直接从工业X射线计算机断层扫描投影图序列构建自适应八叉树体数据网格，并基于此到了高精度且无裂纹的插值等值面网格。在提取等值面网格方面，Marching Cubes方法容易在精确表面周围生成混叠和振荡的二义性表面，并且这类方法基于CT离散体数据，无法避免的受到CT重建伪影以及离散化误差带来的影响。本方法首先递归地构建自适应体数据网格，节点处的体素值是通过FDK算法重建投影图得到的，然后通过QEFs技术计算顶点并构建对偶网格，最后利用Marching Cubes查找表精确地提取表面轮廓。