公开(公告)号：CN118486028A

公开(公告)日：2024-08-13

申请号：CN202410676457.8

申请日：2024-05-28

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 张翰博 ,  王予津 ,  张哲 ,  曹军 ,  刘祎 ,  杨晶晶 ,  王晓梅

IPC: G06V20/70 ,  G06V10/25 ,  G06V10/28 ,  G06V10/40 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/0895

Abstract: 本发明提供金属材料表面缺陷检测图像自动标注算法、装置、存储介质和程序产品，具体包括：获取原始图像；对图像表示进行特征编码提取；将图像特征编码进行向量表示；通过基于密度的聚类模型对图像的向量表示进行聚类，形成基础样本簇，并进行分组；通过异常分数的阈值来筛选和消除所述基础样本簇的异常点，进行删选；通过人工复核的方法进行复核；利用已分好的类别样本构建分类模型，生成类激活图，获取对于所述分类模型关键的图像区域；通过对于类激活图进行灰度化和自动二值化处理后，计算黑点或者白点的外接矩形或外接边缘，生成目标检测标注框，并标注类别。本发明实现图片分类和目标检测任务，为金属材料表面缺陷检测领域提供了高效、准确的自动化标注解决方案。

公开(公告)号：CN119741541A

公开(公告)日：2025-04-01

申请号：CN202411806242.X

申请日：2024-12-09

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 曹军 ,  张哲 ,  刘祎 ,  王予津 ,  张翰博

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00 ,  G06T7/10

Abstract: 本发明提供一种飞钢检测方法、系统、存储介质和程序产品，其中方法包括：获取实时的视频流图像数据；使用目标检测模型进行飞钢目标检测；使用图像灰度值统计特征和分类模型进行浓雾下飞钢目标综合识别；基于飞钢目标检测结果和浓雾下飞钢目标综合识别结果进行综合判定；当综合判定结果为飞钢正在发生时，向服务器端发出报警，开启飞剪装置进行剪断，并进行日志与数据记录；进行用户反馈与模型增量学习。本发明可以提升飞钢的检测准确率、降低系统误判率，增加算法的鲁棒性，提升模型对场景变化的适应能力，在实际生产环境中，可以降低生产安全事故率、降低飞钢带来的时间、生产成本等损耗，维持生产效率与效益，提高能源利用率。

公开(公告)号：CN118585876A

公开(公告)日：2024-09-03

申请号：CN202410487378.2

申请日：2024-04-22

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 王晓梅 ,  虞钉钉 ,  沈旭立 ,  曹培 ,  徐清 ,  张翰博

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047

Abstract: 本发明提供一种基于缺陷描述的缺陷分类方法及系统，其中方法包括以下步骤：获得缺陷图像和对应的缺陷描述文本；将所述缺陷图像送入视觉编码器中进行编码，得到视觉特征；将所述缺陷描述文本送入语义编码器中进行编码，得到语义特征；将所述视觉特征送入多层感知机，经过激活函数，得到在每个候选标签上的概率预测p1，计算损失L1；将所述视觉特征和所述语义特征进行融合后，经过激活函数，得到在每个候选标签上的概率预测p2，计算损失L2；对所述损失L1和所述损失L2进行融合，得到最终损失；对所述概率预测p1和所述概率预测p2进行融合，取融合后最大概率值所属标签为缺陷预测结果。本发明能够更加准确地界定不同类别之间的区别，提高分类的准确率。

公开(公告)号：CN118135321A

公开(公告)日：2024-06-04

申请号：CN202410316767.9

申请日：2024-03-19

Applicant: 华院计算技术(上海)股份有限公司

Inventor： 张翰博 ,  张哲 ,  徐超 ,  王予津 ,  刘祎 ,  曹军

IPC: G06V10/764 ,  G06V20/70 ,  G06V10/80 ,  G06V10/774 ,  G06T7/00 ,  G06V10/82

Abstract: 本发明提供一种基于样本标注质量修正的图像分类算法、系统、设备及介质，其特征在于，包括：获取已标注图片，进行样本标注质量评分，生成较为全面的样本标注质量评估；基于所述样本标注质量评估，进行样本标注质量评分融合，生成每个样本标注的质量评分；基于所述样本标注的质量评分，进行样本质量的图像分类模型修正，生成样本质量模型修正图像分类模型。现有的方法难以基于样本标注质量科学地调整这些权重，并将其有效地整合到图像分类模型中。本发明提出了一种基于样本标注质量修正的图像分类算法，解决在没有任何先验知识的情况下，实现图像的数据样本质量判定以及模型优化，量化了图像样本标注质量，并基于样本质量评分，提升了图像分类模型的效果。