-
公开(公告)号:CN106204612A
公开(公告)日:2016-12-07
申请号:CN201610575637.2
申请日:2016-07-20
Applicant: 北京理工大学 , 南方电网科学研究院有限责任公司 , 天津航天中为数据系统科技有限公司
IPC: G06T7/00
Abstract: 本发明提供一种基于自适应特征的故障引流管智能识别的方法,具体步骤如下:步骤A,对输电线路的红外灰度图像进行Otsu自适应阈值分割,得到疑似目标图像;步骤B,对疑似目标图像运用Sobel算子和边界拓展提取疑似目标轮廓;步骤C,对疑似目标轮廓图像进行种子填充;步骤D,对步骤C得到的图像,通过Thread特征依次判断图像中的各疑似目标是否为故障引流管,若是,则输出;不是,则进入步骤E,所述Thread特征为:提取的疑似目标的长度和宽度之比应该大于5:1;步骤E,对输电线路的红外灰度图像,利用高压输电线平行特征寻找主干线区域;步骤F,在主干线区域内寻找Harris角点并通过的STWN特征判断是否为故障引流管。本发明具有较好的识别效果。
-
公开(公告)号:CN106022302A
公开(公告)日:2016-10-12
申请号:CN201610391130.1
申请日:2016-06-03
Applicant: 北京理工大学
CPC classification number: G06T7/0004 , G06K9/0063 , G06K9/4609 , G06K9/4671 , G06T2207/10048
Abstract: 本发明提供一种通过USFPF特征识别故障跳线联板的方法,具体过程为:步骤A,对输电线路的红外灰度图像的进行Otsu自适应阈值分割,得到疑似目标图像;步骤B,对疑似目标图像进行连通域分离,得到多幅图像;步骤C,对步骤B得到的多幅图像进行骨架提取,得到多幅骨架图像;步骤D,计算多幅骨架图像中每一幅的USFPF特征,根据所述USFPF特征识别故障跳线联板。该方法综合考虑故障跳线联板的形状特征,从识别的故障跳线联板的整体表现情况出发,有选着性的选择识别特征,使识别效果得到提高。
-
公开(公告)号:CN116596889A
公开(公告)日:2023-08-15
申请号:CN202310570820.3
申请日:2023-05-19
Applicant: 北京理工大学珠海学院
Abstract: 本申请涉及无损检测技术领域,公开了基于深度学习的X射线工业检测缺陷识别方法及系统。该方法包括:步骤1:X射线机对待检件进行全局扫描获取全局图像;步骤2:将全局图像与缺陷模型数据库中的缺陷数据进行比对获取缺陷区域;步骤3:X射线机对缺陷区域进行局部放大扫描获取局部图像;步骤4:对局部图像进行缺陷特征提取并与缺陷模型数据库中的缺陷数据进行比对获取比对结果;步骤5:基于比对结果和缺陷评价策略获取待检件的缺陷分析结果;步骤6:将具有缺陷的待检件作为训练样本进行深度学习。该系统适用上述的识别方法。本申请的基于深度学习的X射线工业检测缺陷识别方法及系统,具有检测效率较高、可靠性高的特点。
-
公开(公告)号:CN111964866A
公开(公告)日:2020-11-20
申请号:CN202010881420.0
申请日:2020-08-27
Applicant: 北京理工大学珠海学院
Abstract: 本申请涉及一种基于纹影法的多维成像系统及方法,该系统包括至少两个点光源装置、至少两片分束镜、至少两面抛物面镜和成像装置;其中:各点光源装置的发射光束分别经过一面抛物面镜形成反射光束,并使各反射光束交汇以形成有效测量区域,且各发射光束的光路经过该有效测量区域;各反射光束交汇后分别通过一片分束镜汇聚于成像装置,以形成纹影图像。上述系统从多个维度成像在同一成像装置上,提高了纹影图像的空间分辨率。
-
公开(公告)号:CN103145551A
公开(公告)日:2013-06-12
申请号:CN201310076756.X
申请日:2013-03-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种磷钨酸作为催化剂在混合醇酯化中的应用,属于化工领域。所述应用步骤如下:在反应器中加入混合醇、乙酸、磷钨酸和溶剂并混合均匀,在搅拌下加热至95~120℃回流,反应1.5h~3h后,反应结束,停止搅拌,停止加热,冷却至室温,得到混合酯。所述磷钨酸的化学式为H3PO4﹒12WO3﹒xH2O,x为1~12的正整数;所述混合醇为正丁醇、仲丁醇或叔丁醇中任意两种混合物,或正戊醇和异戊醇两种的混合物;所述溶剂为甲苯或环己烷中的一种。所述磷钨酸作为催化剂能够使C4-C5混合醇同时与单一的酸进行良好的反应。
-
公开(公告)号:CN110007072B
公开(公告)日:2023-10-31
申请号:CN201910376520.5
申请日:2019-05-07
Applicant: 北京理工大学
IPC: G01N33/533 , G01N21/64
Abstract: 本发明提供了一种微生物传感器的构建方法及应用方法,步骤一构建待测氨基酸缺陷型菌株;步骤二截取LuxI/LuxR循环放大线路所需目的基因片段连接,得到含有基于LuxI/LuxR系统的循环放大线路的质粒,将重组质粒转化到氨基酸缺陷型菌株中,使报告基因片段重复表达;步骤三将菌株培养至对数生长期,在培养基中饥饿培养。本发明利用循环放大待测氨基酸缺陷型菌株作为微生物传感器,以与蛋白质标志物具有高特异性和高亲和力结合的核酸适配体作为“桥梁”,将对蛋白标志物的检测转化为对待测氨基酸的检测,利用构建的微生物传感器实现了对大分子生物标志物的检测,并且结合循环放大系统作为信号放大手段,大大提高了定量检测的灵敏度。
-
公开(公告)号:CN116452576A
公开(公告)日:2023-07-18
申请号:CN202310500718.6
申请日:2023-05-06
Applicant: 北京理工大学珠海学院
Abstract: 本申请涉及无损检测技术领域,公开了基于深度学习的磁痕缺陷识别方法及系统,该方法包括:步骤1:在光照条件下采集磁化后的待检件的图像;步骤2:对采集图像进行图像处理,获取二值化处理结果和RGB数值;步骤3:将二值化处理结果和RGB数值分别与磁痕缺陷模型数据库中的数据进行比对;步骤4:基于比对结果生成待检件的磁痕缺陷识别结果;步骤5:将具有磁痕缺陷的待检件的图像和磁痕缺陷识别结果作为训练样本进行深度学习,并将深度学习结果输入磁痕缺陷模型数据库。该系统适用该基于深度学习的磁痕缺陷识别方法。本申请的基于深度学习的磁痕缺陷识别方法及系统,检测流程自动化程度较高,检测结果的准确度高、可靠性高。
-
公开(公告)号:CN116342502A
公开(公告)日:2023-06-27
申请号:CN202310208249.0
申请日:2023-03-07
Applicant: 北京理工大学珠海学院
IPC: G06T7/00 , G06N20/00 , G06T7/73 , G06V10/764
Abstract: 本发明涉及工业视觉检测技术领域,尤其涉及一种基于深度学习的工业视觉检测方法。包括以下步骤:通过工业相机在工业光源下对存在瑕疵的工业零件进行拍照,拍摄多个角度的照片并存储在样本库内;将样本库内的照片打乱,并经过软件程序进行标定,标出工业零件上的缺陷处位置并标出缺陷种类;将标出缺陷种类的样本照片作为初始数据集建立深度学习模型;使用工业相机对工业零件进行拍摄,利用深度学习模型,对该工业零件进行检测,识别图像中缺陷种类;判断该工业零件是否为存在缺陷的产品,配合分拣终端完成缺陷产品的分拣。本发明的目的为了解决了学习训练时间长、检测成功率低的技术问题,提出了一种基于深度学习的工业视觉检测方法。
-
公开(公告)号:CN103127955B
公开(公告)日:2015-04-22
申请号:CN201310076707.6
申请日:2013-03-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种合成双季戊四醇六丙烯酸酯的催化剂、制备方法及应用,属于化工领域。所述催化剂为复合催化剂,由磷钨酸和对甲苯磺酸组成,其中,磷钨酸与对甲苯磺酸的质量比为1:2~6:1;所述磷钨酸分子式为H3PO4﹒12WO3﹒xH2O,x为1~12的整数;对甲苯磺酸分子式为CH3C6H4SO3H。所述催化剂通过磷钨酸与对甲苯磺酸混合得到。在反应器中先依次加入双季戊四醇、丙烯酸和溶剂,再加入阻聚剂和催化剂,得到混合物1,反应得到混合物2;萃取得到油层,调节PH值,洗涤并干燥,得到混合物3,提纯,即得到双季戊四醇六丙烯酸酯。所述催化剂活性高、选择性好,反应时间短,收率高,副反应少,无腐蚀,环境友好。
-
公开(公告)号:CN103127955A
公开(公告)日:2013-06-05
申请号:CN201310076707.6
申请日:2013-03-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种合成双季戊四醇六丙烯酸酯的催化剂、制备方法及应用,属于化工领域。所述催化剂为复合催化剂,由磷钨酸和对甲苯磺酸组成,其中,磷钨酸与对甲苯磺酸的质量比为1:2~6:1;所述磷钨酸分子式为H3PO4﹒12WO3﹒xH2O,x为1~12的整数;对甲苯磺酸分子式为CH3C6H4SO3H。所述催化剂通过磷钨酸与对甲苯磺酸混合得到。在反应器中先依次加入双季戊四醇、丙烯酸和溶剂,再加入阻聚剂和催化剂,得到混合物1,反应得到混合物2;萃取得到油层,调节PH值,洗涤并干燥,得到混合物3,提纯,即得到双季戊四醇六丙烯酸酯。所述催化剂活性高、选择性好,反应时间短,收率高,副反应少,无腐蚀,环境友好。
-
-
-
-
-
-
-
-
-