-
公开(公告)号：CN119202949A
公开(公告)日：2024-12-27
申请号：CN202411551532.4
申请日：2024-11-01
Applicant: 厦门理工学院
IPC: G06F18/2431 , G06F18/214 , G06F18/23213 , G06N20/20 , G06N3/0464 , G06F18/213
Abstract: 本发明提出一种应用于不平衡数据的自适应集成学习分类方法，包括以下步骤：对原始数据进行预处理并提取负类数据和正类数据；然后分别划分为训练集、验证集和测试集；利用滑动窗口对正类和负类的训练集提取特征；对其中的负类聚类后对样本随机欠采样；将欠采样后的样本和相同特征子集下的正类训练集样本组合；选择随机森林为基分类器并利用组合的训练集进行训练；利用正类和负类的验证集组合计算基分类器的交叉熵损失并为每一个基分类器分配权重；利用正类和负类测试集组合进行加权投票，得到预测标签以进行指标计算。本发明结合特征子集的多样性提取和聚类欠采样技术，在面对不平衡数据集的分类问题时能提高对少数类样本的识别能力，优化分类性能。
-
公开(公告)号：CN118967662B
公开(公告)日：2025-01-17
申请号：CN202411413374.6
申请日：2024-10-11
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及一种面向工业场景的轻量级网络的背光板缺陷检测方法，属于背光板缺陷检测领域。该方法包括：提出一种轻量级目标检测模型SH‑YOLO‑Lite，轻量级目标检测模型SH‑YOLO‑Lite以YOLOv5‑lites为基准模型进行改进，在主干网络侧采用轻量级主干网络RASNet，在特征融合网络侧采用特征融合网络Efficient‑RepGFPN‑Lite；采用背光板缺陷数据集对轻量级目标检测模型SH‑YOLO‑Lite进行训练，得到背光板缺陷检测模型，并对实际工业场景中的待检测背光板图像进行缺陷检测，输出背光板缺陷检测结果。本发明能够实现背光板缺陷检测在现有的低算力嵌入式平台上的低成本部署与高效运行。
-
公开(公告)号：CN118967662A
公开(公告)日：2024-11-15
申请号：CN202411413374.6
申请日：2024-10-11
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及一种面向工业场景的轻量级网络的背光板缺陷检测方法，属于背光板缺陷检测领域。该方法包括：提出一种轻量级目标检测模型SH‑YOLO‑Lite，轻量级目标检测模型SH‑YOLO‑Lite以YOLOv5‑lites为基准模型进行改进，在主干网络侧采用轻量级主干网络RASNet，在特征融合网络侧采用特征融合网络Efficient‑RepGFPN‑Lite；采用背光板缺陷数据集对轻量级目标检测模型SH‑YOLO‑Lite进行训练，得到背光板缺陷检测模型，并对实际工业场景中的待检测背光板图像进行缺陷检测，输出背光板缺陷检测结果。本发明能够实现背光板缺陷检测在现有的低算力嵌入式平台上的低成本部署与高效运行。
-
公开(公告)号：CN119379633A
公开(公告)日：2025-01-28
申请号：CN202411440463.X
申请日：2024-10-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种应用于有限算力边缘设备的PCB电路板缺陷检测方法，属于工业产品缺陷检测技术领域。包括：训练出大参数模型，利用蒸馏技术，训练能够用于有限算力的边缘设备的小参数模型；基于小参数模型，边缘设备采集并检测电路板缺陷信息。本发明方法即使是在算力受限的环境中，也能够实现高精度的缺陷检测，从而提高生产效率，降低成本，灵活部署，以确保PCB电路板产品质量。
-
-
-
Search Results
4
records
(took 0.016 seconds)
