-
公开(公告)号：CN118470026B
公开(公告)日：2024-09-17
申请号：CN202410940681.3
申请日：2024-07-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供了一种注射器毛发缺陷检测方法及装置。该方法包括：采用样条曲线工具对训练集的注射器样本图像模拟毛发缺陷生成伪毛发训练集；采用多方向特征聚合模块用于对编码器输出的特征图迭代执行移位操作、增强和聚合后输入解码器，构建得到注射器毛发缺陷检测模型；利用训练集和伪毛发训练集训练得到注射器毛发缺陷检测模型；将实时注射器图像输入训练好的注射器毛发缺陷检测模型，对比编码器输出的特征图和解码器输出的特征图得到异常分数图，根据异常分数图确定实时注射器图像中毛发缺陷对应的异常区域。本申请在不依赖于人工数据标注和手动缺陷检测的情况下，实现高精度医疗针管毛发缺陷检测，进而提升医疗器械生产和质量检测的可靠性。
-
公开(公告)号：CN118470026A
公开(公告)日：2024-08-09
申请号：CN202410940681.3
申请日：2024-07-15
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供了一种注射器毛发缺陷检测方法及装置。该方法包括：采用样条曲线工具对训练集的注射器样本图像模拟毛发缺陷生成伪毛发训练集；采用多方向特征聚合模块用于对编码器输出的特征图迭代执行移位操作、增强和聚合后输入解码器，构建得到注射器毛发缺陷检测模型；利用训练集和伪毛发训练集训练得到注射器毛发缺陷检测模型；将实时注射器图像输入训练好的注射器毛发缺陷检测模型，对比编码器输出的特征图和解码器输出的特征图得到异常分数图，根据异常分数图确定实时注射器图像中毛发缺陷对应的异常区域。本申请在不依赖于人工数据标注和手动缺陷检测的情况下，实现高精度医疗针管毛发缺陷检测，进而提升医疗器械生产和质量检测的可靠性。
-
公开(公告)号：CN119228787B
公开(公告)日：2025-04-15
申请号：CN202411721346.0
申请日：2024-11-28
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/774
Abstract: 本发明提出一种医疗注射器细微缺陷检测加速方法，包括：S1：采集医疗注射器图像数据集，并对数据集中的医疗注射器图像进行预处理；S2：将预处理后的数据集划分为训练集和验证集；S3：构建基于卷积神经网络的缺陷检测模型；S4：采用训练集对缺陷检测模型进行训练，并在训练过程中执行剪枝操作，再经验证集验证后得到紧凑模型；剪枝操作包括：按照滤波器对细微缺陷的敏感度排序将滤波器划分为细微缺陷组和显著缺陷组，对细微缺陷组中的滤波器进行剪枝；S5：采用紧凑模型实时检测医疗注射器上的缺陷。通过对缺陷检测模型进行分组剪枝，筛选对细微缺陷特征敏感的滤波器，确保在保留网络中对细微缺陷检测能力的前提下，提升检测速度。
-
公开(公告)号：CN119228787A
公开(公告)日：2024-12-31
申请号：CN202411721346.0
申请日：2024-11-28
Applicant: 厦门理工学院
IPC: G06T7/00 , G06V10/774
Abstract: 本发明提出一种医疗注射器细微缺陷检测加速方法，包括：S1：采集医疗注射器图像数据集，并对数据集中的医疗注射器图像进行预处理；S2：将预处理后的数据集划分为训练集和验证集；S3：构建基于卷积神经网络的缺陷检测模型；S4：采用训练集对缺陷检测模型进行训练，并在训练过程中执行剪枝操作，再经验证集验证后得到紧凑模型；剪枝操作包括：按照滤波器对细微缺陷的敏感度排序将滤波器划分为细微缺陷组和显著缺陷组，对细微缺陷组中的滤波器进行剪枝；S5：采用紧凑模型实时检测医疗注射器上的缺陷。通过对缺陷检测模型进行分组剪枝，筛选对细微缺陷特征敏感的滤波器，确保在保留网络中对细微缺陷检测能力的前提下，提升检测速度。
-
-
-
Search Results
4
records
(took 0.014 seconds)
