基于深度学习的工业DICOM图像缺陷半自动标注系统及方法

    公开(公告)号:CN116485772A

    公开(公告)日:2023-07-25

    申请号:CN202310480377.0

    申请日:2023-04-28

    Abstract: 本发明提供一种基于深度学习的工业DICOM图像缺陷半自动标注系统及方法,属于工业图像处理技术领域。方法包括:步骤1将工业DICOM图像,导入卷积神经网络,生成卷积神经网络:步骤2基于步骤一生成的卷积神经网络完成模型训练。标注系统集成了标注方法,还集成了KN算法,KN算法用于进行DICOM文件读取。本发明采用深度学习迭代算法对铸造类零件进行半自动标注,训练出来的目标检测模型弥补了人工检测无法量化、容易疲劳的缺点,提高了提高标注的效率和缺陷分析的准确性。且此系统具有精度高,泛化能力强的特点,有效降低人工成本和产品质量风险,具有较好的应用前景。

    一种基于丝型像质计丝径测量的图像比例尺计算方法

    公开(公告)号:CN116485872A

    公开(公告)日:2023-07-25

    申请号:CN202310480603.5

    申请日:2023-04-28

    Abstract: 本发明提供一种基于丝型像质计丝径测量的图像比例尺计算方法。属于图像处理技术领域。方法包括以下步骤:步骤1对包含丝型像质计的射线图像进行预处理;步骤2通过矩形框选取像质计局部区域作为ROI;步骤3对步骤2中得到的ROI进行二值化处理;步骤4对步骤3得到的结果采用直线检测方法检测直线以及端点坐标;步骤5计算所得直线的斜率,利用三角函数求出丝型像质计的丝径;步骤6对照像质计型号和标称丝径,计算比例尺。本发明可计算出丝型像质计不同线号的丝径,通过对照丝型像质计的实际标称丝径,可求出不同射线图像的比例尺。

    一种基于深度学习的焊件表面二维码喷码恢复方法

    公开(公告)号:CN117218025A

    公开(公告)日:2023-12-12

    申请号:CN202311202442.X

    申请日:2023-09-18

    Abstract: 本发明提供一种基于深度学习的焊件表面二维码喷码恢复方法。属于工业焊接图像处理技术领域。方法包括以下步骤:步骤1数据准备:收集一批焊件表面反光的二维码图像数据以及对应的清晰的二维码图像数据;步骤2数据预处理:通过多尺度的数据增强,扩充增加步骤1获得的原始数据集的数据量和多样性;步骤3划分数据集:将步骤2预处理后的数据集划分为训练集、验证集和测试集;步骤4训练集一次标注;步骤5建立深度学习定位模型;步骤6训练集二次标注;步骤7建立深度学习恢复模型;步骤8验证和准确性评估。本发明通过利用深度学习算法对反光的二维码图像进行分析和处理,以实现扫码器对二维码的正确解码。

Patent Agency Ranking