-
公开(公告)号：CN118967662B
公开(公告)日：2025-01-17
申请号：CN202411413374.6
申请日：2024-10-11
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及一种面向工业场景的轻量级网络的背光板缺陷检测方法，属于背光板缺陷检测领域。该方法包括：提出一种轻量级目标检测模型SH‑YOLO‑Lite，轻量级目标检测模型SH‑YOLO‑Lite以YOLOv5‑lites为基准模型进行改进，在主干网络侧采用轻量级主干网络RASNet，在特征融合网络侧采用特征融合网络Efficient‑RepGFPN‑Lite；采用背光板缺陷数据集对轻量级目标检测模型SH‑YOLO‑Lite进行训练，得到背光板缺陷检测模型，并对实际工业场景中的待检测背光板图像进行缺陷检测，输出背光板缺陷检测结果。本发明能够实现背光板缺陷检测在现有的低算力嵌入式平台上的低成本部署与高效运行。
-
公开(公告)号：CN118967662A
公开(公告)日：2024-11-15
申请号：CN202411413374.6
申请日：2024-10-11
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及一种面向工业场景的轻量级网络的背光板缺陷检测方法，属于背光板缺陷检测领域。该方法包括：提出一种轻量级目标检测模型SH‑YOLO‑Lite，轻量级目标检测模型SH‑YOLO‑Lite以YOLOv5‑lites为基准模型进行改进，在主干网络侧采用轻量级主干网络RASNet，在特征融合网络侧采用特征融合网络Efficient‑RepGFPN‑Lite；采用背光板缺陷数据集对轻量级目标检测模型SH‑YOLO‑Lite进行训练，得到背光板缺陷检测模型，并对实际工业场景中的待检测背光板图像进行缺陷检测，输出背光板缺陷检测结果。本发明能够实现背光板缺陷检测在现有的低算力嵌入式平台上的低成本部署与高效运行。
-
公开(公告)号：CN118115767B
公开(公告)日：2024-07-19
申请号：CN202410539494.4
申请日：2024-04-30
Applicant: 厦门理工学院
IPC: G06V10/75 , G06V10/44 , G06V10/762
Abstract: 本发明涉及一种基于二阶邻近引导的图像数据采样方法，包括：S1、构造基于二阶邻近度的图，以通过二阶邻近性度量表示输入数据的关系，并在图空间内进行最小数据子集的采样过程；S2、基于二阶邻近生成初始最小数据子集，利用构造的图从输入数据中采样潜在的内点，从而生成初始最小数据子集；S3、基于最大生成树更新采样的最小数据子集，以提高模型拟合的精确度和鲁棒性。该方法有利于产生精确的模型假设，从而提高模型拟合的精确度和鲁棒性。
-
公开(公告)号：CN109408498B
公开(公告)日：2022-12-13
申请号：CN201811170289.6
申请日：2018-10-09
Applicant: 厦门理工学院
IPC: G06F16/215 , G06F16/2458 , G06F16/26
Abstract: 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。
-
公开(公告)号：CN114170589A
公开(公告)日：2022-03-11
申请号：CN202111329872.9
申请日：2021-11-11
Applicant: 厦门理工学院
IPC: G06V20/60 , G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62
Abstract: 本发明涉及一种基于NAS的岩石岩性识别方法、终端设备及存储介质，该方法中包括：S1：采集岩石图片并对其岩性进行标注，根据标注后的岩石图片构建训练集；S2：构建分类模型，分类模型采用基于NAS的网络模型作为主干网络，之后依次串联全卷积网络和分类网络；S3：通过ImageNet图像数据集对分类模型进行预训练后，采用迁移学习算法，在分类模型中载入预训练后得到的权重参数后，再通过训练集对分类模型进行训练，训练后得到最终分类模型；S4：通过最终分类模型对待识别的岩石图片中的岩性进行识别。本发明相比于传统的机器视觉方法具有良好鲁棒性和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN108710289B
公开(公告)日：2021-11-09
申请号：CN201810480286.6
申请日：2018-05-18
Applicant: 厦门理工学院
IPC: G05B13/02
Abstract: 本发明涉及一种改进型SPSA的继电器底座质量优化的方法。该方法通过继电器底座质量优化系统执行，其中，该系统与注塑成型机通过数据通讯接口相连，包括检测单元和上位机。上位机包括初始化模块、优化模块、预处理模块、后处理模块和优化进程评估模块。方法主要包括以下步骤：由检测单元对注塑成型机所生产的继电器底座进行质量检测，检测值通过数据通讯接口传送给上位机，由上位机对该组参数的最优性进行评估并由优化模块给出下一步的迭代工艺参数组合，该参数组合通过数据通讯接口传送至注塑成型机进行在线实验；上述过程迭代进行，直至找到合理的最优工艺参数组合。本发明实施成本小，节省优化时间和实验耗费。
-
公开(公告)号：CN113255478A
公开(公告)日：2021-08-13
申请号：CN202110504110.1
申请日：2021-05-10
Applicant: 厦门理工学院
Abstract: 本发明涉及一种复合疲劳检测方法、终端设备及存储介质，该方法中包括：S1：采集司机驾驶过程中的视频，并将视频逐帧分解为图像；S2：根据分解后的各帧图像进行面部疲劳检测；S3：通过稠密光流法对各帧图像进行光流编码后，根据设定的感兴趣区域，将各帧图像对应的感兴趣区域进行灰度处理，将感兴趣区域内所有像素的灰度值的平均值作为各帧图像对应的呼吸信号，将所有帧图像的呼吸信号组成呼吸信号曲线，根据呼吸信号曲线中的波峰数以及视频的帧率和总帧数计算视频对应的呼吸率；S4：根据面部疲劳检测结果和呼吸率共同判定司机是否处于疲劳状态。本发明采用面部特征与呼吸率相融合的综合检测方法，能够提高疲劳检测的准确度。
-
公开(公告)号：CN106485275B
公开(公告)日：2019-05-31
申请号：CN201610882846.1
申请日：2016-10-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种实现盖板玻璃与液晶屏定位贴合的方法。其步骤包括：获取盖板玻璃和液晶屏的图像，检测图像中的特征点，并通过条件限制选取一组对角标记并连线，对所得特征点的像素坐标值进行细化处理得到亚像素级坐标值，获取控制参数，控制盖板玻璃和液晶屏移动完成单目的初步校验；获取盖板玻璃和液晶屏的一组角点的图像，检测出图像的边缘，得到仅剩边缘线的图像；最后将边缘图像中的直线提取出来，并筛选线条以确定所需角点的两条边缘直线，计算出角点的坐标，并得到盖板玻璃和液晶屏对角线的中点坐标及斜率、两中点的坐标差值及两直线的夹角；控制盖板玻璃和液晶屏移动使两直线平行且中点重合，至此完成触摸屏的盖板玻璃与液晶屏的贴合。
-
公开(公告)号：CN108009582A
公开(公告)日：2018-05-08
申请号：CN201711241029.9
申请日：2017-11-30
Applicant: 厦门理工学院
IPC: G06K9/62
CPC classification number: G06K9/6228 , G06K9/6231 , G06K9/6256
Abstract: 本发明公开了一种电子设备标准工作指标设置的方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
公开(公告)号：CN107977626A
公开(公告)日：2018-05-01
申请号：CN201711244439.9
申请日：2017-11-30
Applicant: 厦门理工学院
CPC classification number: G06K9/00523 , G01R31/00 , G06K9/00536
Abstract: 一种电子设备工作数据的分组方法，其方法先以固定频率采集电子设备中不同工作指标的采样数值，对不同工作指标的采样数值进行特征选择，得到与电子设备运行状态最贴近的工作指标，将该工作指标的采样数值作为基础训练数据，计算得到其分组周期，按时间顺序进行分组；随后通过每一基础训练数据的特征值判断故障所在的周期，以故障所在的周期对基础训练数据进行分组，在通过非线性状态评估算法计算两类分组，得到故障阈值，实现了对不同类型电子设备的通用故障检测。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.036 seconds)
