-
公开(公告)号：CN114581859A
公开(公告)日：2022-06-03
申请号：CN202210489189.X
申请日：2022-05-07
Applicant: 北京科技大学
IPC: G06V20/52 , G06V10/26 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种转炉下渣监测方法和系统，属于冶金设备与工艺领域。所述方法采集转炉出钢过程中不同倾斜角度下的图片，进行像素点标注后，生成图片数据集；构建图像双流分割模型，包括Stem模块、第一流卷积模块、第二流P‑E模块、基于Transformer模型的融合模块、第一流下采样模块、第二流下采样模块和分割头模块；对图像双流分割模型进行训练和验证后，捕捉现场转炉的实时出钢图片，预处理后输入成熟的图像双流分割模型，得到钢渣实时监测位置。本发明通过分流与融合机制的多次交叉与结合，增强了模型表达能力；Transformer模型无需预训练权重，可以灵活调整模型结构；将钢渣准确、实时地识别出来，提高了监测精度，保证了操作人员的安全。
-
公开(公告)号：CN112381982A
公开(公告)日：2021-02-19
申请号：CN202011120372.X
申请日：2020-10-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于深度学习构建的无人超市系统，包括：中控模块、用户服务端、闸机模块、人员检测模块以及商品检测模块；其中，人员检测模块设置在超市内，用于对闸机模块区域和超市内的顾客进行图像采集，并配合中控模块生成顾客的跟踪轨迹；商品检测模块设置在超市的货架中，用于配合中控模块确定购买当前商品的顾客及购买数量；闸机模块包括入口闸机和出口闸机，用户服务端用于在顾客通过入口闸机进入超市后生成顾客的唯一标识，并配合中控模块生成对应顾客的结算清单，出口闸机用于配合中控模块，在顾客完成支付前，禁止顾客走出超市。本发明智能化程度高，可实现无感知购物。
-
公开(公告)号：CN106934800B
公开(公告)日：2020-04-07
申请号：CN201710110597.9
申请日：2017-02-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于YOLO9000网络的金属板带表面缺陷检测方法及装置，能够提高金属板带表面缺陷检测的准确率。方法包括：采集用于训练YOLO9000网络的金属板带表面的图像；对采集到的所述金属板带表面的图像进行数据增强；将采集到的所述金属板带表面的图像及数据增强后得到的图像中的缺陷部分用矩形框进行标注，获取矩形框的坐标与矩形框所包含缺陷的种类；根据采集到的所述金属板带表面的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框所包含缺陷的种类对YOLO9000网络进行训练；实时采集待检测的金属板带表面图像，根据训练好的YOLO9000网络，实时检测金属板带表面是否有缺陷，并对检测到的缺陷进行分类和定位。本发明适用于机器视觉技术领域。
-
公开(公告)号：CN110033469A
公开(公告)日：2019-07-19
申请号：CN201910257226.2
申请日：2019-04-01
Applicant: 北京科技大学
Abstract: 本发明提供一种亚像素边缘检测方法及系统，能够提高钢板边缘检测的精度和抗干扰能力。所述方法包括：获取钢板表面图像，降低每张图像的分辨率；将降低分辨率后的图像输入到已构建的超分辨卷积神经网络进行图像超分辨率重建，得到高分辨率图像；对得到的高分辨率图像，提取N个一维向量上点的像素值，并输入到已构建的卷积神经网络中提取图像特征，其中，一维向量为在边缘处等间距取的N个与边缘垂直的一维向量；将提取的图像特征输入到双向长短期记忆网络，得到边缘点像素位置信息。本发明适用于钢板边缘检测。
-
公开(公告)号：CN106524917B
公开(公告)日：2019-01-11
申请号：CN201611135891.7
申请日：2016-12-09
Applicant: 北京科技大学
IPC: G01B11/00
Abstract: 本发明提供一种运输带上物体体积测量方法，能够快速、自动地确定运输带上物体的体积。所述方法包括：利用单目摄像机，采集不带有光条纹的图像和带有光条纹的图像；根据采集的不带有光条纹的图像和带有光条纹的图像，确定相机内参矩阵和光条纹中心的像素坐标集；基于确定的光条纹中心的像素坐标集，确定光平面方程；根据确定的内参矩阵和确定的光平面方程，确定运输带表面点的三维坐标和物体表面点的三维坐标；根据确定的运输带表面点的三维坐标和物体表面点的三维坐标，确定物体的体积。本发明适用于测量技术领域。
-
Patent Agency Ranking
公开(公告)号：CN106524917A
公开(公告)日：2017-03-22
申请号：CN201611135891.7
申请日：2016-12-09
Applicant: 北京科技大学
IPC: G01B11/00
CPC classification number: G01B11/00
Abstract: 本发明提供一种运输带上物体体积测量方法，能够快速、自动地确定运输带上物体的体积。所述方法包括：利用单目摄像机，采集不带有光条纹的图像和带有光条纹的图像；根据采集的不带有光条纹的图像和带有光条纹的图像，确定相机内参矩阵和光条纹中心的像素坐标集；基于确定的光条纹中心的像素坐标集，确定光平面方程；根据确定的内参矩阵和确定的光平面方程，确定运输带表面点的三维坐标和物体表面点的三维坐标；根据确定的运输带表面点的三维坐标和物体表面点的三维坐标，确定物体的体积。本发明适用于测量技术领域。
-
公开(公告)号：CN119942061A
公开(公告)日：2025-05-06
申请号：CN202411841865.0
申请日：2024-12-13
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F16/583 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于自适应典型样本学习技术的跨场景皮带缺陷识别方法及装置，涉及缺陷检测技术领域。该方法包括：构建支持图像数据集以及查询图像数据集；将支持图像数据集以及查询图像数据集输入缺陷识别基础模型，获得第一支持图像特征以及第一查询图像特征；将第一支持图像特征以及第一查询图像特征输入原型自适应模块进行特征增强；根据支持图像数据集、查询图像数据集和检测缺陷图像数据集构建损失函数；对原型自适应模型进行优化，获得优化原型自适应模型；根据待识别皮带图像数据集，基于缺陷识别基础模型以及优化原型自适应模型进行皮带缺陷识别。本发明是一种基于典型样本学习的仅需少量标注的高效且准确的跨场景皮带缺陷识别方法。
-
公开(公告)号：CN119478423B
公开(公告)日：2025-05-02
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
公开(公告)号：CN118552878B
公开(公告)日：2025-04-18
申请号：CN202410820785.0
申请日：2024-06-24
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/82 , G06F18/213 , G06F18/22 , G06N3/0895 , G06F123/02
Abstract: 本发明公开一种基于跨模态对齐的弱监督扒渣终点判断方法和系统，包括：接入当前扒渣现场摄像头，将实时视频流数据输入训练完成的视频数据处理器；视频数据处理器以每一当前帧为基准，将包括当前帧在内向前共若干帧数据进行切割打包，输出当前帧的实时视频片段，作为训练完成的跨模态特征提取器的视频模态输入，同时以当前钢种文本编号和“非终点”文本作为跨模态特征提取器的文本模态输入；跨模态特征提取器提取视频片段特征和文本特征，将提取的视频片段特征和文本特征输入特征比对决策模块进行特征比对，最终输出当前帧是否为对应当前钢种扒渣终点的判断结果。本发明可以对扒渣终点进行准确判断。
-
公开(公告)号：CN119741558A
公开(公告)日：2025-04-01
申请号：CN202510241315.3
申请日：2025-03-03
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06F17/16
Abstract: 本发明提供一种融合曼巴与切比雪夫图卷积的高光谱图像分类方法，涉及高光谱图像检测技术领域。所述方法包括：收集高光谱图像数据集，并进行预处理，将每张图像以每个像素点为中心划分为预定数量的图像块；将图像块输入异构空间卷积块进行处理，获得具有不同感受野的输出数据；将输出数据分为两个分支，其中一个分支通过波段选择增强双向曼巴分支进行处理，获取空间特征与光谱特征的长程依赖关系，得到第一输出；另一个分支输入重参数化切比雪夫图卷积分支进行处理，获取不同像素之间的相似关系，得到第二输出；对第一输出和第二输出进行融合，得到双分支融合特征，输入分类器中得到最终分类结果。本发明能够提升分类精度，并降低计算成本。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.022 seconds)
