-
公开(公告)号：CN116309375A
公开(公告)日：2023-06-23
申请号：CN202310159967.3
申请日：2023-02-23
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材双面缺陷检测及智能加工坐标确定方法，包括：采集N块实木板材样本双面图像，对图像进行预处理；对图像进行缺陷标注，并将其作为数据集用来训练实木板材缺陷检测深度学习离线网络模型；在线采集实木板材双面图像，并进行预处理，将实木板材双面图像按行对齐；将实木板材图像输入至训练好的模型内，获得实木板材缺陷坐标；优化实木板材缺陷坐标，获得实木板材图像上的加工位置坐标；将加工位置坐标从实木板材图像上转换至实际板材上。本发明通过集成双目视觉获取实木板材双面图像并进一步地进行缺陷检测，对检测到的双面缺陷坐标进行基于图像的工艺优化，实现实木板材的双面缺陷检测，并获取实际板材的加工坐标点。
-
公开(公告)号：CN114817609B
公开(公告)日：2022-11-25
申请号：CN202210396144.8
申请日：2022-04-15
Applicant: 南京林业大学
IPC: G06F16/583 , G06F16/51 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于提升树的实木地板颜色的自动排序方法，包括：采集多张实木地板表面图像并预处理；对实木地板图像进行颜色空间变换；建立实木地板图像的颜色深浅序列；设定每张实木地板图像颜色深度值；提取实木地板图像的颜色特征向量；建立实木地板颜色回归树数学模型并对其参数进行调优；通过最优回归树数学模型计算得到待测实木地板图像的颜色深度值；根据实木地板图像的颜色深度值的大小将实木地板图像的颜色进行在线排序。本发明以初步建立实木地板颜色深浅序列为先验知识，提取实木地板颜色特征向量，然后使用梯度提升决策树对实木地板颜色特征向量进行回归，实现实木地板颜色的无级分类，同时，还能实现实木地板颜色深浅自动排序。
-
公开(公告)号：CN114972332A
公开(公告)日：2022-08-30
申请号：CN202210833979.5
申请日：2022-07-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于图像超分辨率重建网络的竹集成材裂纹检测方法，包括：连续采集竹集成材受三点加载作用力产生扩展尖端裂纹的原始高清图像，去黑边裁剪得到与原始高清图像相对应的原始高分辨率图像；对原始高分辨率图像进行处理，得到低分辨率图像；将改进残差网络模型作为生成器，将生成器和判别器组合得到生成对抗网络模型；训练生成对抗网络模型；本发明克服了超分辨率图像重建中的细节信息丢失和边缘模糊；提高了竹集成材超分辨率图像重建的真实性；提高了网络性能；重建后的图像精度高，真实性高；利用从生成器生成出的超分辨率图像中提取出的信息对生成器模型进行二次检验，该检验方法从客观角度评价了生成器的性能。
-
公开(公告)号：CN113158580B
公开(公告)日：2021-12-10
申请号：CN202110506961.X
申请日：2021-05-10
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/00 , G06N3/12 , G06F111/04 , G06F111/06 , G06F113/24
Abstract: 本发明公开实木板材的一维排样方法，包括：读取经切割缺陷后的N段实木板材长度Li信息；读取需求量为bj的待排零件的长度lj信息；建立实木板材一维排样数学模型；基于改进最大最小蚁群系统的方法生成初始种群：基于改进遗传算法多次迭代得到最优排样方案；将改进遗传算法得到的迭代最优解进行记录；根据记录中的至今最优解自适应更新信息素的界限；采用动态混合策略进行信息素更新。本发明克服了随机选择的盲目性；加快了蚁群系统的收敛速度，提高了求解速率，排样时间快，利用率高；有助于维持种群多样性，减少局部最优和早熟问题的出现，增强了算法的全局搜索能力；采用迭代最优解和全局最优解的动态混合策略，有助于增强算法合理引导搜索的能力。
-
公开(公告)号：CN114817609A
公开(公告)日：2022-07-29
申请号：CN202210396144.8
申请日：2022-04-15
Applicant: 南京林业大学
IPC: G06F16/583 , G06F16/51 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于提升树的实木地板颜色的自动排序方法，包括：采集多张实木地板表面图像并预处理；对实木地板图像进行颜色空间变换；建立实木地板图像的颜色深浅序列；设定每张实木地板图像颜色深度值；提取实木地板图像的颜色特征向量；建立实木地板颜色回归树数学模型并对其参数进行调优；通过最优回归树数学模型计算得到待测实木地板图像的颜色深度值；根据实木地板图像的颜色深度值的大小将实木地板图像的颜色进行在线排序。本发明以初步建立实木地板颜色深浅序列为先验知识，提取实木地板颜色特征向量，然后使用梯度提升决策树对实木地板颜色特征向量进行回归，实现实木地板颜色的无级分类，同时，还能实现实木地板颜色深浅自动排序。
-
Patent Agency Ranking
公开(公告)号：CN116309375B
公开(公告)日：2023-10-24
申请号：CN202310159967.3
申请日：2023-02-23
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材双面缺陷检测及智能加工坐标确定方法，包括：采集N块实木板材样本双面图像，对图像进行预处理；对图像进行缺陷标注，并将其作为数据集用来训练实木板材缺陷检测深度学习离线网络模型；在线采集实木板材双面图像，并进行预处理，将实木板材双面图像按行对齐；将实木板材图像输入至训练好的模型内，获得实木板材缺陷坐标；优化实木板材缺陷坐标，获得实木板材图像上的加工位置坐标；将加工位置坐标从实木板材图像上转换至实际板材上。本发明通过集成双目视觉获取实木板材双面图像并进一步地进行缺陷检测，对检测到的双面缺陷坐标进行基于图像的工艺优化，实现实木板材的双面缺陷检测，并获取实际板材的加工坐标点。
-
公开(公告)号：CN114972040B
公开(公告)日：2023-04-18
申请号：CN202210832867.8
申请日：2022-07-15
Applicant: 南京林业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种单板层积材的散斑图像超分辨率重建方法，包括：在单板层积材试件表面依次喷涂白色底漆和黑色散斑，使得单板层积材试件表面形成黑白散斑；连续采集多张单板层积材试件受外部作用力产生扩展尖端裂纹的原始高清散斑图像；对多张原始高清散斑图像进行处理，得到多张原始高分辨率图像块和低分辨率图像块；构建残差网络模型，利用训练集对残差网络模型进行训练，得到训练好的残差网络模型；本发明克服了单板层积材在超分辨率图像重建中的细节信息丢失和边缘模糊；加入特征图动态加权模块提高了单板层积材超分辨率图像重建的真实性；采用了一种新的残差网络模型，提高了网络性能；重建后的单板层积材超分辨率图像精度高，真实性高。
-
公开(公告)号：CN114972040A
公开(公告)日：2022-08-30
申请号：CN202210832867.8
申请日：2022-07-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种单板层积材的散斑图像超分辨率重建方法，包括：在单板层积材试件表面依次喷涂白色底漆和黑色散斑，使得单板层积材试件表面形成黑白散斑；连续采集多张单板层积材试件受外部作用力产生扩展尖端裂纹的原始高清散斑图像；对多张原始高清散斑图像进行处理，得到多张原始高分辨率图像块和低分辨率图像块；构建残差网络模型，利用训练集对残差网络模型进行训练，得到训练好的残差网络模型；本发明克服了单板层积材在超分辨率图像重建中的细节信息丢失和边缘模糊；加入特征图动态加权模块提高了单板层积材超分辨率图像重建的真实性；采用了一种新的残差网络模型，提高了网络性能；重建后的单板层积材超分辨率图像精度高，真实性高。
-
公开(公告)号：CN113012156A
公开(公告)日：2021-06-22
申请号：CN202110506907.5
申请日：2021-05-10
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材颜色智能分类方法，包括：对实木板材图片预处理；将RGB彩色空间转换到Lab彩色空间和HSV彩色空间；获取Lab彩色空间、HSV彩色空间的颜色的一阶矩和二阶矩；使用K‑Means聚类算法对图片进行聚类；采用基于K‑Means聚类算法的主颜色提取方法对低通滤波后的实木板材图片进行主颜色提取，根据主颜色含量进行等级划分；对图片进行高通滤波，获得纹理信息，将图片划分为直纹或曲纹；给实木板材图片贴标签，制作样本集；将待分类的实木板材图片输入到训练、验证得到的最优颜色分类模型中，实现实木板材颜色分类；本发明可有效对实木板材图像颜色进行分类，且该方法不需要颜色空间量化、特征向量维数低。
-
公开(公告)号：CN116721081B
公开(公告)日：2024-01-26
申请号：CN202310690171.0
申请日：2023-06-12
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于三维点云和模态转换的动车侧墙板缺陷提取方法，包括：获取动车侧墙板的三维点云数据；进行点云坐标系转换；对点云进行切片分层；提取点云数据的列数据进行轮廓线的线性拟合；根据拟合方程和差分计算对点云数据进行区域划分；对划分后得到的各区域进行展平操作，再进行相邻区域的拼接得到新的点云数据；根据各区域变换的参数构建各区域的空间逆向变换矩阵；构建点云的空间字典索引结构；将新生成的点云数据转换为彩色图像；构建卷积神经网络用于彩色图像中缺陷的分割。本发明可以在动车侧墙板的复杂型面上完成微小缺陷的检测，为后续涂装工程提供可靠的数据支
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
