公开(公告)号：CN118115795A

公开(公告)日：2024-05-31

申请号：CN202410242631.8

申请日：2024-03-04

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王鸿鹏 ,  王子涵 ,  薛睿 ,  程正涛 ,  宋兴浩

IPC: G06V10/764 ,  G06V10/774 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464

Abstract: 本申请提供了电子元器件分类方法、设备及存储介质，该方法包括：获取已标注的图像和未标注的图像，并将已标注的图像划分为训练集和测试集；基于训练集和测试集训练多个不同类型的神经网络模型，得到多个电子元器件分类模型，并将其划分为主模型和副模型；分别通过主模型和副模型在未标注的图像中筛选，筛选得到第一样本集合和第二样本集合；基于第一样本集合和第二样本集合，得到目标样本集合；将目标样本集合加入训练集中，重新训练主模型和副模型，检验重新训练后的主模型的分类准确率是否满足预设条件，若满足预设条件，则通过重新训练后的主模型对电子元器件进行分类。本申请能够提高综合区分良品以及不同类型的不良品的能力。

公开(公告)号：CN117455832A

公开(公告)日：2024-01-26

申请号：CN202311185801.5

申请日：2023-09-14

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 周琪 ,  王鸿鹏 ,  程正涛

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084 ,  G06N5/04

Abstract: 本发明公开一种基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置，方法包括获取已标注贴片保险丝的表面图像并形成总训练集；基于总训练集构建并训练缺陷检测模型；将训练好的缺陷检测模型重参化以转化为推理模型；利用NVIDIA TensorRT库优化训练好的缺陷检测模型，进行格式转化并保存；检测并分类待测贴片保险丝的表面图像。本发明提出了一种全新的参数量较小且训练速度、推理速度较快与准确率高的基于重参化与注意力机制的深度学习模型，并将其应用于贴片保险丝缺陷检测任务上，提出一套完整的保险丝缺陷检测流程。

公开(公告)号：CN117973799A

公开(公告)日：2024-05-03

申请号：CN202410224363.7

申请日：2024-02-29

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 程正涛 ,  王鸿鹏 ,  吴广策 ,  周琪

IPC: G06Q10/0631 ,  G06Q10/0633 ,  G06Q50/04

Abstract: 本发明公开了一种基于自适应学习的柔性作业车间生产调度方法及系统，方法包括：利用订单信息列表提取工序，然后根据工序使用全排列方法生成工序对集合；将工序对集合输入到训练好的机器学习模型中，获得所有工序对的顺序标签集；根据顺序标签集对所有工序进行排序，生成工序有向图；经过环检测后，对有环的工序有向图进行冲突处理，生成有向无环图；计算有向无环图中节点的入度，获得节点入度集；根据节点入度集更新排序，获取工序生产顺序序列；根据工序生产顺序序列，分配加工设备并计算具体生产时间，生成生产调度排程表。本发明能够更好地实现学习用户生产调度系统的定制化，减少生产调度的成本。

公开(公告)号：CN115187808B

公开(公告)日：2025-05-06

申请号：CN202210761753.9

申请日：2022-06-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈震 ,  王鸿鹏 ,  程正涛 ,  王子涵

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06N3/08

Abstract: 本发明提供了一种基于图像的电子元器件缺陷检测方法，包括：步骤1：初始训练数据集；步骤2：训练初始分类模型；步骤3：判断是否出现新类别图像，若是，那么执行步骤4，否则执行步骤A1；步骤4：收集新类别训练数据；步骤5：增量调整初始模型；步骤6：更新后的分类模型，然后执行步骤A1；步骤A1：对测试图像进行分类；步骤A2：图像进入相应的预处理模型。本发明的有益效果是：本发明将持续学习方法引入电容识别任务有效缓解灾难性遗忘并提升模型识别准确率，在图像分类领域中,经过训练的深度神经网络分类模型能够识别出图像中不同类别的物体,并且已经可以达到较高的识别率。

公开(公告)号：CN115187808A

公开(公告)日：2022-10-14

申请号：CN202210761753.9

申请日：2022-06-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈震 ,  王鸿鹏 ,  程正涛 ,  王子涵

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06N3/08

Abstract: 本发明提供了一种基于图像的电子元器件缺陷检测方法，包括：步骤1：初始训练数据集；步骤2：训练初始分类模型；步骤3：判断是否出现新类别图像，若是，那么执行步骤4，否则执行步骤A1；步骤4：收集新类别训练数据；步骤5：增量调整初始模型；步骤6：更新后的分类模型，然后执行步骤A1；步骤A1：对测试图像进行分类；步骤A2：图像进入相应的预处理模型。本发明的有益效果是：本发明将持续学习方法引入电容识别任务有效缓解灾难性遗忘并提升模型识别准确率，在图像分类领域中,经过训练的深度神经网络分类模型能够识别出图像中不同类别的物体,并且已经可以达到较高的识别率。