-
公开(公告)号：CN114820582A
公开(公告)日：2022-07-29
申请号：CN202210590772.X
申请日：2022-05-27
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
Patent Agency Ranking
公开(公告)号：CN114092410B
公开(公告)日：2024-06-14
申请号：CN202111252569.3
申请日：2021-10-27
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/13 , G01N21/88 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN113780306B
公开(公告)日：2024-04-09
申请号：CN202110920927.7
申请日：2021-08-11
Applicant: 北京工业大学
IPC: G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T7/13 , G06T7/90 , G06F17/16
Abstract: 本发明提出了一种基于深度卷积神经网络的废旧手机颜色识别方法，解决废旧手机回收过程中颜色难以精确识别的问题。本发明利用视网膜颜色校正算法修正了验机照片中的偏光颜色，构造了一种深度卷积神经网实现对废旧手机颜色的快速准确识别。本发明在不同场景下的手机颜色识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN114820582B
公开(公告)日：2024-05-31
申请号：CN202210590772.X
申请日：2022-05-27
Applicant: 北京工业大学
IPC: G06T7/00 , G06F17/16 , G06N3/0464 , G06N3/08 , G06T7/13
Abstract: 本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN113780306A
公开(公告)日：2021-12-10
申请号：CN202110920927.7
申请日：2021-08-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于深度卷积神经网络的废旧手机颜色识别方法，解决废旧手机回收过程中颜色难以精确识别的问题。本发明利用视网膜颜色校正算法修正了验机照片中的偏光颜色，构造了一种深度卷积神经网实现对废旧手机颜色的快速准确识别。本发明在不同场景下的手机颜色识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN114092410A
公开(公告)日：2022-02-25
申请号：CN202111252569.3
申请日：2021-10-27
Applicant: 北京工业大学
Abstract: 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
