-
公开(公告)号：CN112700432B
公开(公告)日：2022-07-05
申请号：CN202110033380.9
申请日：2021-01-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于异常合成与分解的纹理表面缺陷检测方法和系统，属于图像处理领域。本发明构建分割引导的缺陷生成网络，可利用少量真实缺陷训练样本生成大量与真实缺陷相似的缺陷样本，同时提出基于高斯采样的异常合成方法可利用无缺陷正样本随机合成异常负样本，可解决工业中缺陷样本量少的难题，进而提高缺陷检测精度；本发明通过采用异常分解网络来将异常负样本分解为纹理背景图像与异常掩膜图像，可有效抑制缺陷被重构到纹理背景中，提高纹理背景重构精度，并可精确分割缺陷区域，将残差图像与异常分割图像融合，进而提高缺陷检出率、降低缺陷过检率。
-
公开(公告)号：CN110576679A
公开(公告)日：2019-12-17
申请号：CN201910757979.X
申请日：2019-08-16
Applicant: 华中科技大学
Abstract: 本发明属于喷墨打印制造相关技术领域，并公开了一种用于飞行墨滴状态观测的装置，其包括支撑底板、第一单目视觉观测单元、第二单目视觉观测单元以及双反射镜单元等，其中支撑底板用于安装其它功能单元，并确定双目相机的夹角α；两个单目视觉观测单元各自由CCD视觉组件和配套的LED光源组成，并且共同组成以夹角α来执行实现双目相机观测功能的功能模块；双反射镜单元位于CCD视觉组件和LED光源组件之间，并用于改变光路传播的空间状态。通过本发明，可更全面精确地得到墨滴的体积、飞行轨迹等参数，满足形态多样的墨滴全面观测；此外还便于改变光束传播的空间路线，解决了墨滴竖直方向飞行距离很小导致测量空间不足问题。
-
公开(公告)号：CN110567974B
公开(公告)日：2021-04-06
申请号：CN201910937955.2
申请日：2019-09-30
Applicant: 华中科技大学
IPC: G01N21/88
Abstract: 本发明属于图像处理领域，并公开了一种基于云端人工智能表面缺陷检测系统。该系统包括边缘端模块和云端数据处理模块，其中，所述边缘端模块包括数据采集单元和结果反馈单元；所述云端数据处理模块包括智能标注单元、训练单元和检测单元，所述智能标注单元用于智能标注待标注图像的良品，次品以及缺陷信息，并将标注的图像作为待训练数据输入训练单元，训练单元用于建立预测模型传递给检测单元；检测单元用于利用预测模型对待检测的图像进行检测，以此获得待检测图像的检测结果，然后将检测结果反馈给结果反馈单元，通过结果反馈单元将检测结果进行显示。通过本发明，减小边缘端检测的计算成本，增大检测效率与检测精度，有助于提升产品良率。
-
公开(公告)号：CN110588186A
公开(公告)日：2019-12-20
申请号：CN201910726036.0
申请日：2019-08-07
Applicant: 华中科技大学
Abstract: 本发明属于柔性显示器件制造相关技术领域，并公开一种喷墨打印柔性显示器件制造系统，其包括基板输入模块、基板转移模块、喷印模块、喷印后处理模块、固含量检测模块、薄膜封装喷印模块、成膜检测模块和基板输出模块等，同时对这些功能模块进行了高度集成及结构和布置的优化设计。本发明还公开了相应的工艺方法。通过本发明，可形成一种更适于工业级应用的喷墨打印柔性显示器件制造系统，同时采用多个检测模块对制造流程进行监控，更有效地实现了柔性显示器件喷墨打印制造的制造效率高、器件良品率高和生产成本低等优点。
-
公开(公告)号：CN110225226A
公开(公告)日：2019-09-10
申请号：CN201910386891.1
申请日：2019-05-10
Applicant: 华中科技大学
Abstract: 本发明属于视觉跟踪领域，并公开了一种视觉跟踪系统及方法，该系统包括图像采集装置、光路转换装置和光路调整装置，图像采集装置包括相对位置固定的第一相机和第二相机，第一相机用于获取图像并进行视觉跟踪以预测待跟踪目标的位置；光路转换装置设于待跟踪目标与第二相机之间，用于使待跟踪目标在第二相机上清晰成像；光路调整装置根据待跟踪目标的位置实时调整光路转换装置的光路，以使目标始终位于第二相机的成像中心。所述视觉跟踪方法包括如下步骤：利用第一相机获取各帧图像并进行视觉跟踪以预测各帧图像中目标的位置；根据目标的位置实时调整光路以使目标在第二相机中心清晰成像。本发明具有速度快、鲁棒性高、适应性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN110497698B
公开(公告)日：2020-05-19
申请号：CN201910757729.6
申请日：2019-08-16
Applicant: 华中科技大学
IPC: B41J2/14 , B41J2/145 , B41J2/125 , B41J29/377
Abstract: 本发明属于喷墨打印设备相关技术领域，并公开了一种集成式喷头模组结构，其呈现由多个板状组件共同封闭而成的框架式模组形式，并且在其内部设置有墨水喷头及其配套的喷头附件，其中底板组件用于精确定位及安装墨水喷头，后板组件用于喷头模组的自动快速外接电气接口，前板组件用于喷头模组的稳定提升，顶板组件用于灌装墨液及拿取模组，封板组件用于封闭模组及散热等。通过本发明，在获得便捷组装、通用性强的喷头模组结构的同时，还便于实现XYZ三轴方向上的自由调节，动态实时地调整喷头的高精度位姿，同时可自动快速地与外部电气接头相连等，因而尤其适用于喷墨打印柔性器件制造之类的应用场合。
-
公开(公告)号：CN110598753A
公开(公告)日：2019-12-20
申请号：CN201910759496.3
申请日：2019-08-16
Applicant: 华中科技大学
Abstract: 本发明属于图像处理技术领域，并公开了一种基于主动学习的缺陷识别方法，包括如下步骤：S1获取待测对象的图像样本，对一部分图像样本进行随机标记获得已标记样本 剩下的图像样本记为未标记样本 利用 更新多分类神经网络模型；S2计算 中各样本的熵值，并将分为高置信度标记样本 未标记样本 和待标记样本 S3对 进行自动及人工标记获得自动标记样本 和人工标记样本 由 和 构建新标记样本 S4利用 更新神经网络模型，判断神经网络模型是否收敛，若是，则结束，若否，令t＝t+1，转入步骤S5；S5重复步骤S2～S4直至神经网络模型收敛。本发明可有效减少缺陷识别中对人工标记的依赖，具有识别精度高、速度快等优点。
-
公开(公告)号：CN110497698A
公开(公告)日：2019-11-26
申请号：CN201910757729.6
申请日：2019-08-16
Applicant: 华中科技大学
IPC: B41J2/14 , B41J2/145 , B41J2/125 , B41J29/377
Abstract: 本发明属于喷墨打印设备相关技术领域，并公开了一种集成式喷头模组结构，其呈现由多个板状组件共同封闭而成的框架式模组形式，并且在其内部设置有墨水喷头及其配套的喷头附件，其中底板组件用于精确定位及安装墨水喷头，后板组件用于喷头模组的自动快速外接电气接口，前板组件用于喷头模组的稳定提升，顶板组件用于灌装墨液及拿取模组，封板组件用于封闭模组及散热等。通过本发明，在获得便捷组装、通用性强的喷头模组结构的同时，还便于实现XYZ三轴方向上的自由调节，动态实时地调整喷头的高精度位姿，同时可自动快速地与外部电气接头相连等，因而尤其适用于喷墨打印柔性器件制造之类的应用场合。
-
公开(公告)号：CN112819039A
公开(公告)日：2021-05-18
申请号：CN202110047823.X
申请日：2021-01-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多尺度集成特征编码的纹理识别模型建立方法及应用，属于图像处理领域，模型建立方法包括：建立先验引导特征提取网络、特征融合网络、多尺度编码网络和多尺度集成学习网络，依次连接各网络后进行训练，得到纹理识别模型；模型中各网络依次用于：首先，利用纹理先验信息提取对纹理结构表达能力较强的卷积特征；其次，将深层特征与浅层特征融合，得到多尺度强语义信息特征；接着，对各尺度的特征进行编码，得到对异常点鲁棒的全局纹理特征；最后，利用得到的多尺度全局纹理特征进行集成学习，实现多尺度纹理的鲁棒识别。本发明能够有效提高在复杂背景干扰及大尺度变化情况下的纹理识别结果鲁棒性和准确性。
-
公开(公告)号：CN112164033A
公开(公告)日：2021-01-01
申请号：CN202010962259.X
申请日：2020-09-14
Applicant: 华中科技大学
Abstract: 本发明属于图像处理技术领域，并具体公开了一种基于异常特征编辑的对抗网络纹理表面缺陷检测方法，其包括如下步骤：获取无缺陷的良品图以及对应的缺陷图，共同构成图像数据集；构建对抗网络，其包括生成器和判别器，生成器用于提取图像特征，并检测异常特征，然后采用正常特征对异常特征进行编辑，进而得到重构图像；判别器用于对良品图和重构图像进行判别；根据预构建的优化目标，通过图像数据集对对抗网络进行训练，得到重构图像生成模型；将待检测图像输入重构图像生成模型中，得到其对应的重构图像，进而根据待检测图像和对应的重构图像得到纹理表面缺陷。本发明对不同纹理表面上的不同形状大小、不同对比度的缺陷都有较高的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
