-
-
公开(公告)号：CN106841212A
公开(公告)日：2017-06-13
申请号：CN201611263499.0
申请日：2016-12-30
Applicant: 湖南大学
IPC: G01N21/88 , G01N21/958 , G06K9/62 , G06N3/04
CPC classification number: G01N21/8851 , G01N21/958 , G01N2021/8893 , G06K9/629 , G06N3/04
Abstract: 本发明公开了一种基于局部PCA和BP神经网络的瓶口缺陷检测方法，通过利用高分辨率的工业相机获取瓶口图像，利用多幅图像相同区域内特征相似的特点，采用PCA对多幅图像相同局部范围进行特征降维处理，提取主成成分，对降维后PCA特征矩阵每一行分开进行归一化处理，得到归一化后的PCA特征矩阵，输入到BP神经网络中，获得训练好的BP神经网络；再利用待检测图像的主成成分特征输入BP神经网络进行检测，完全满足了高速高精度的要求。由于瓶口图像的相似性和瓶口在图像中相对位置变换不大的特点，该检测方法不需要对瓶口进行定位；采用基于BP神经网络和局部PCA的瓶口缺陷检测算法具有更高的精度，最高精度达到千分之一的误检率。
-
公开(公告)号：CN103913464A
公开(公告)日：2014-07-09
申请号：CN201410104025.6
申请日：2014-03-20
Applicant: 湖南大学
IPC: G01N21/88
Abstract: 本发明公开了一种基于机器视觉检测的高速铁路轨道表面缺陷匹配方法，包括步骤1：获取铁轨全景图像f(x,y)；步骤2：采用竖直投影法从铁轨全景图像中提取铁轨表面区域图像f1(x,y)；步骤3：对铁轨表面区域图像进行中值滤波处理，获得去除噪声的铁轨表面区域图像f2(x,y)；步骤4：对铁轨表面区域图像进行图像预处理；步骤5：提取图像f4(x,y)中的缺陷特征信息；步骤6：分别获得历史采集图像中的缺陷特征信息和实时采集图像中的缺陷特征信息；步骤7：将实时获取缺陷的特征信息依次与所有的已存储缺陷的特征信息进行匹配计算，得到匹配的缺陷特征信息。该发明方法实现了铁轨表面缺陷的高速、高精度匹配。
-
公开(公告)号：CN119359815B
公开(公告)日：2025-04-08
申请号：CN202411945356.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/73 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多尺度零部件抓取姿态估计方法及系统，获取场景图像并进行标注得到数据集；搭建姿态估计神经网络模型；将数据集输入至图像切块编码模块输出编码特征序列；将编码特征序列输入至滑动窗口保留注意力特征编码模块中分别以不同大小的感知窗口进行序列分割并分别应用保留注意力机制映射到高维特征输出；将高维特征输入多尺度空间金字塔感知模块并优化输出优化后的特征序列；窗口保留注意力特征解码模块接收优化特征序列输出抓取姿态；设置损失函数并依据梯度情况更新网络参数，得到训练好的姿态估计神经网络模型，完成工业真实抓取作业场景图像的抓取姿态估计，完成抓取作业任务。提高了抓取效率和准确性，降低了硬件成本。
-
公开(公告)号：CN119665861A
公开(公告)日：2025-03-21
申请号：CN202510192613.8
申请日：2025-02-21
Applicant: 湖南大学
Abstract: 一种基于图像的亚像素级高精度二维尺寸在线测量方法、系统，在线测量方法包括：1、采集零件图像，对图像进行去噪和二值化处理；2、对图像进行矫正处理；3、对图像进行边缘检测，将线段按不同的斜率和截距分组；4、将每个分组的线段合成一条直线；5、获得所有合成直线的交点坐标，对二值化处理后的零件图像进行腐蚀，筛选掉位于腐蚀后图像黑色区域外的点坐标，得到新的交点坐标，此交点坐标作为边缘直线的两端点，并连接直线，直线即为该零件的轮廓边缘直线；7、对零件的轮廓进行测量，得到测量数据。本发明使用图像对物体进行二维尺寸的高精度测量，使测量精度达到微米级，实现了对生产过程中零件尺寸的高效、精准、自动化检测。
-
Patent Agency Ranking
公开(公告)号：CN119359815A
公开(公告)日：2025-01-24
申请号：CN202411945356.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/73 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多尺度零部件抓取姿态估计方法及系统，获取场景图像并进行标注得到数据集；搭建姿态估计神经网络模型；将数据集输入至图像切块编码模块输出编码特征序列；将编码特征序列输入至滑动窗口保留注意力特征编码模块中分别以不同大小的感知窗口进行序列分割并分别应用保留注意力机制映射到高维特征输出；将高维特征输入多尺度空间金字塔感知模块并优化输出优化后的特征序列；窗口保留注意力特征解码模块接收优化特征序列输出抓取姿态；设置损失函数并依据梯度情况更新网络参数，得到训练好的姿态估计神经网络模型，完成工业真实抓取作业场景图像的抓取姿态估计，完成抓取作业任务。提高了抓取效率和准确性，降低了硬件成本。
-
公开(公告)号：CN119089777A
公开(公告)日：2024-12-06
申请号：CN202411164296.0
申请日：2024-08-23
Applicant: 湖南大学
IPC: G06F30/27 , G06F17/16 , G06F18/214 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于物理信息神经网络的磨床砂轮剩余寿命预测方法，包括测量并记录磨床砂轮n通道的传感器数据并经采集卡转换为数字信号；对传感器数据进行分析，若传感器数据的数量大于第一预设数量阈值，直接将数字信号形成特征矩阵，若传感器数据的数量小于第二预设数量阈值，对数据信号分别提取时域、频域特征，形成特征矩阵，并进行规范化得到规范化后的特征矩阵；将规范化后的特征矩阵形成输入矩阵对神经网络模型进行训练，得到训练好的神经网络模型；将需要进行预测的设备数据经过处理后所得的规范后特征矩阵作为输入矩阵对已训练好的神经网络模型进行验证，得到工业设备的剩余使用寿命预测值。提高了最终的预测精度。
-
公开(公告)号：CN118885788A
公开(公告)日：2024-11-01
申请号：CN202410549067.4
申请日：2024-05-06
Applicant: 湖南大学
IPC: G06F18/213 , G01M13/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于属性学习的零样本轴承故障诊断方法，通过振动传感器采集轴承驱动端的振动数据，定义轴承故障属性，通过属性对未知故障种类进行诊断。通过信号样本特征搭起信号样本到信号属性的桥梁。首先通过特征嵌入子模块提取信号特征，并且通过样本信号与属性的重构考虑了故障特征空间与故障语义属性空间的一致性问题，提取的是没有语义鸿沟的样本特征；然后把提取的特征输入特征‑属性连接子模块对样本属性进行预测；最后计算预测的属性向量与不可见类属性矩阵之间的欧式距离完成标签映射，得到不可见类样本的故障类型。不仅在未知故障种类的诊断上达到较高精度，而且也能较好的诊断已知故障类型。
-
公开(公告)号：CN118594911A
公开(公告)日：2024-09-06
申请号：CN202410853115.9
申请日：2024-06-28
Applicant: 江西省通讯终端产业技术研究院有限公司 , 湖南大学 , 江西麻姑食品科技有限公司
Abstract: 本发明属于米粉生产技术领域，尤其是一种针对直条型米粉生产中异常弯曲米粉筛选系统，包括支撑架和固定设置在所述支撑架上的固定架，所述固定架上设有输料装置、米粉筛装置。本发明通过输料装置与米粉筛装置的配合使用可以将直米粉和异常弯曲的米粉筛分出来，这样不但可以代替人工肉眼对米粉异常弯曲的筛选，从而提高了米粉异常弯曲的筛选准确性和筛选效率，而且还能够节省人工用肉眼对米粉异常弯曲筛选的人力资源，降低了米粉生产成本，进一步异常弯曲米粉的被筛选出不但提高了米粉的生产质量，而且还可以避免因弯曲米粉而出现后续米粉处理导致自动化设备卡阻和米粉包装封条困难的问题。
-
公开(公告)号：CN118334112B
公开(公告)日：2024-09-06
申请号：CN202410759620.7
申请日：2024-06-13
Applicant: 湖南大学
Abstract: 本发明公开了一种同型号多目标工件的抓取位姿估计方法及抓取系统，搭建抓取位姿预测网络，包括特征提取增强模块、场景分割模块和解码预测模块，获取目标工件的模型点云和场景点云，特征提取增强模块对模型点云与场景点云分别进行特征提取和增强，得到第一模型点云特征、第一场景点云特征、第二模型点云特征和第二场景点云特征，将第一模型点云特征和第一场景点云特征输入场景分割模块，从第一场景点云特征中提取出同型号多个目标工件对应的点云特征，将第二模型点云特征、第二场景点云特征和同型号多个目标工件对应的点云特征输入解码预测模块处理并使用非极大值抑制，得到每个目标工件的估计抓取位姿。该方法能够有效识别场景中的待抓取工件。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.022 seconds)
