-
公开(公告)号：CN102103014A
公开(公告)日：2011-06-22
申请号：CN201010585236.8
申请日：2010-12-13
Applicant: 苏州大学
IPC: G01H11/06
Abstract: 本发明公开了一种信号中的周期瞬态成分的检测方法，利用传感装置输入并进行模/数转换，获得信号，检测信号中是否存在周期瞬态成分，其特征包括如下步骤：计算信号的时间平均函数；计算其相关系数；利用快速傅里叶变换计算的频谱，根据频谱确定信号的主要频率成分，分别按照周期建立极坐标映射，并将各映射表示在极坐标图上，当对应于周期极坐标图上出现增强的特征表示，判定待检测信号中存在有周期的瞬态成分。本发明方便地实现了瞬态成分特征参数及周期的自适应检测，提高周期判断的效率和准确性；特别适用于旋转机械设备故障自动识别，并能成功进行多故障并存时的诊断。
-
公开(公告)号：CN114494129A
公开(公告)日：2022-05-13
申请号：CN202111594118.8
申请日：2021-12-23
Applicant: 苏州大学
Abstract: 本发明公开了一种表面轻微形变缺陷对比度增强方法，包括：设置表面轻微形变缺陷对比度增强装置，以照明光源向待检表面照射，并向一个方向逐步移动所述照明光源，以确保所述照明光源的边缘光覆盖整个所述待检表面，采集移动过程中所述待检表面的多张反射光线图，去除所述多张反射光线图中的亮背景，得到多张无条纹干扰图像，将所述多张无条纹干扰图像进行图像合成，得到目标合成图像，实现了对表面轻微形变缺陷的对比度增强，通过对比度增强可以更好的获取图像信息，检测缺陷。
-
公开(公告)号：CN109190828A
公开(公告)日：2019-01-11
申请号：CN201811047653.X
申请日：2018-09-07
Applicant: 苏州大学
Abstract: 本发明公开了一种泄漏气体浓度分布确定方法，该方法包括以下步骤：获取气体泄漏事故现场的泄漏数据；其中，泄漏数据包括：气象参数、地形参数和释放参数；对泄漏数据进行归一化处理并转化数据格式，获得泄漏矩阵；将泄漏矩阵输入至由卷积神经网络和XGBoost构成的目标预测模型中进行处理，获得泄漏气体浓度分布信息。如此，便可提升气体泄漏后浓度分布信息的预测效率和准确率，进一步加快气体泄漏事故处理速度，降低气体泄漏带来的危害。本发明还公开了一种泄漏气体浓度分布确定装置、设备及可读存储介质，具有相应的技术效果。
-
公开(公告)号：CN107316295A
公开(公告)日：2017-11-03
申请号：CN201710529838.3
申请日：2017-07-02
Applicant: 苏州大学
CPC classification number: G06T7/0008 , G06K9/6273 , G06T2207/10004 , G06T2207/20081 , G06T2207/20084 , G06T2207/30124
Abstract: 本发明公开了一种基于深度神经网络的织物瑕疵检测方法，包括如下步骤，（1）、搭建图像采集系统，采集图像；（2）、将所图像分割为实验样本，同时增加织物样本图像数据，将增强后的织物图像作为训练样本，（3）、设计深度神经网络；（4）、设置参数并对所述深度神经网络进行初始化，将训练样本送入到深度神经网络进行训练，在网络训练完成之后，保存网络模型；（5）、将输入的新的织物样本送入网络模型进行检测。本发明提出的基于深度神经网络的织物瑕疵检测方法，以卷积神经网络为核心，通过卷积层进行特征提取，池化层保留有效特征并减少计算量，用全连接层进行分类。以mini-batch梯度下降法进行优化，L2正则化增强泛化能力，通过确定分类器输出的最大分量的对应位置进行缺陷的识别，效果参见图4所示，其中Actual表示样本真实的类别，Pred表示样本预测的类别。
-
公开(公告)号：CN104574353B
公开(公告)日：2017-08-01
申请号：CN201410463588.4
申请日：2014-09-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于视觉显著性的表面缺陷判定方法，首先采集待检测产品的表面图像样本、并利用视觉显著性模型计算其视觉显著图，再采用快速最大类间方差法对显著图像进行阈值分割，然后计算显著图的特征值，最后选取特征值阈值，判断图像中是否存在缺陷。本发明算法简洁实用，准确率高，且排除了表面褶皱对缺陷检测的影响。
-
Patent Agency Ranking
公开(公告)号：CN104700412A
公开(公告)日：2015-06-10
申请号：CN201510116370.6
申请日：2015-03-17
Applicant: 苏州大学
Abstract: 本发明公开了一种视觉显著图的计算方法，首先采用Itti模型，生成图像的颜色显著图和亮度显著图，然后利用结构张量，有效的提取边缘和角点显著图，经过线性组合生成轮廓显著图，最后通过将特征显著图进行规范化、线性组合，得到最终显著图。本发明采用了轮廓显著图的方法，使得所得到的视觉显著图更加清晰，在显著目标的定位方面更加精确，并且在计算效率方面也得到了提升。
-
-
公开(公告)号：CN104198497A
公开(公告)日：2014-12-10
申请号：CN201410464490.0
申请日：2014-09-12
Applicant: 苏州大学
IPC: G01N21/88
Abstract: 本发明公开了一种基于视觉显著图和支持向量机的表面缺陷检测方法，首先对待检测产品表面图像样本，采用GBVS模型计算其视觉显著图，通过最大类间方差法将视觉显著图进行自适应阈值分割，提取视觉显著区，计算视觉显著图灰度平均值、显著图中视觉显著区域的灰度平均值，并各自进行归一化处理，构成二维特征，再将上述所得视觉显著图的二维特征作为支持向量机训练样本，选取二维情况下实现分类的最优分类线，基于该最优分类线，对二维特征进行分类，从而区分图像中的产品是否存在缺陷。本发明能够有效节省劳力，降低劳动强度，提高工作效率，且辨识精度高。
-
公开(公告)号：CN103456021A
公开(公告)日：2013-12-18
申请号：CN201310437747.9
申请日：2013-09-24
Applicant: 苏州大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于形态学分析的布匹瑕疵检测方法，采用线阵相机对运动中的布匹进行图像采集，通过对布匹灰度图像进行，获取布匹相邻组织点间距，作为结构元素大小参考值；接着进行形态学闭操作，填充常规的织点缝隙，瑕疵处的织点数偏少且不规律，在亮度上被突显出来；最后，对图像进行二值化处理，其阈值的确定通过灰度幂次变换的γ训练选取进行控制，统计并标注二值瑕疵图，输出瑕疵信息，完成布匹的瑕疵检测过程。本发明方法结构更加准确简单，提高了计算速度；能够减弱背景亮度不均的干扰；便于实现自动检测。
-
公开(公告)号：CN103453519A
公开(公告)日：2013-12-18
申请号：CN201310442610.2
申请日：2013-09-26
Applicant: 苏州大学
Abstract: 本发明公开了一种切换控制系统的组态设计方法，基于DCS控制平台，采用二级减温器进行温度控制，其中，一级减温喷水的主控制回路的设定值为二级过热器进口温度设计值，副控制回路输入为一级过热器减温器出口温度，输出控制一级减温器喷水调节阀门，二级减温喷水的主控制回路的设定值为主蒸汽温度，副控制回路的输入信号为二级喷水减温器后温度；所述控制器采用串级控制系统，主控制器采用神经网络智能控制器，副控制器采用PID控制器，所述主环PID控制器与神经网络智能控制器的输出端均设有跟踪模块。本发明使得运行人员能够及时调整运行，达到可靠、高效的目的，具有很好的可移植性和可扩充性动态，有效地改善了常规PID调节时间长自适应能力差的问题。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.029 seconds)
