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

Inventor： 薛帅 ,  刘俊志 ,  许伟 ,  孙康 ,  张静 ,  沈洋 ,  谢小荣

IPC: G06T7/00 ,  G06T5/00 ,  G06T7/90

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

Inventor： 薛帅 ,  许伟 ,  刘俊志 ,  黄相杰 ,  张静 ,  沈洋 ,  邢秀文

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：CN216834001U

公开(公告)日：2022-06-28

申请号：CN202220308691.1

申请日：2022-02-16

Applicant: 北京理工大学珠海学院

Inventor： 薛帅 ,  张国才 ,  许伟 ,  张静 ,  冯炎青 ,  沈洋 ,  邢秀文

IPC: B62D57/024

Abstract: 本实用新型涉及爬壁机器人技术领域，尤其涉及一种基于电磁吸附的爬壁机器人。包括机器人主体，机器人主体内壁两侧分别设置有电机，电机的输出轴贯穿机器人主体连接有前轮，前轮上设置有第一电磁铁；机器人主体后侧上部设置有曲臂，曲臂远离机器人主体的一侧设置有安装件，安装件上转动连接有转轴，转轴上设置有后轮，后轮上设置有第二电磁铁；机器人主体底部设置有吸附力检测传感器，机器人主体底部两侧设置有套筒，套筒内壁上设置有线圈，机器人主体底部对应套筒设置有铁芯。本实用新型提供一种基于电磁吸附的爬壁机器人，可有效防止本实用新型经过弧度较大的壁面时坠毁；且可在前轮、后轮的吸附力不足时进行吸附力补充。