-
公开(公告)号：CN115752285A
公开(公告)日：2023-03-07
申请号：CN202211422249.2
申请日：2022-11-14
Applicant: 安徽工业大学
IPC: G01B11/22
Abstract: 本发明公开了一种基于同轴照明双相机单镜头的盲孔深度检测方法及装置，属于盲孔深度测量技术领域。本发明的步骤为：S100：调试相机清晰聚焦成像平面间距，使得相机聚焦于待检测盲孔的孔底和孔口处，采集待处理图像；S200：进行图像预处理；S300：对图像进行聚焦清晰度计算检测，得到每个图像的清晰度评价函数值；S400：对获得的孔底、孔口平面清晰成像重复S200、S300，计算获得孔底平面和孔口平面清晰图像的高频分量灰度均值函数值；S500：确定高频分量灰度均值函数与深度信息关系；S600：根据得到的关系式，计算待检测盲孔的深度信息。本发明有效的减少了计算深度的时间，保证了深度测量的精度。
-
公开(公告)号：CN114897816A
公开(公告)日：2022-08-12
申请号：CN202210497249.2
申请日：2022-05-09
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于改进掩膜的Mask R‑CNN矿物颗粒识别以及粒度检测方法，属于图像识别技术领域。本发明包括s1：采集图像，标注数据并进行数据增强，制作数据集；s2：将图像经过主干网络和特征金字塔网络提取特征，通过轻量级的区域建议网络，得到初始物体建议框，根据初始建议框进一步分类和回归得到最终预测框，并根据预测框使用语义分割得到预测掩膜；s3：设置训练过程的超参数并对网络进行训练，得到位置、种类和预测掩膜，并对模型效果进行评价；s4：对网络输出的掩膜进行修改，使输出掩膜的边缘为实际颗粒物的边缘；s5：利用获得的掩膜计算颗粒物的实际面积、粒径以及统计颗粒物对应的尺寸分布。本发明能够提高颗粒物识别及粒度检测的准确度。
-
公开(公告)号：CN114897816B
公开(公告)日：2024-06-14
申请号：CN202210497249.2
申请日：2022-05-09
Applicant: 安徽工业大学
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进掩膜的Mask R‑CNN矿物颗粒识别以及粒度检测方法，属于图像识别技术领域。本发明包括s1：采集图像，标注数据并进行数据增强，制作数据集；s2：将图像经过主干网络和特征金字塔网络提取特征，通过轻量级的区域建议网络，得到初始物体建议框，根据初始建议框进一步分类和回归得到最终预测框，并根据预测框使用语义分割得到预测掩膜；s3：设置训练过程的超参数并对网络进行训练，得到位置、种类和预测掩膜，并对模型效果进行评价；s4：对网络输出的掩膜进行修改，使输出掩膜的边缘为实际颗粒物的边缘；s5：利用获得的掩膜计算颗粒物的实际面积、粒径以及统计颗粒物对应的尺寸分布。本发明能够提高颗粒物识别及粒度检测的准确度。
-
公开(公告)号：CN116030039A
公开(公告)日：2023-04-28
申请号：CN202310155975.0
申请日：2023-02-20
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06V10/80 , G06V10/42 , G06N3/0464
Abstract: 本发明公开了一种结合深度学习的塑封芯片内部缺陷检测方法，属于芯片缺陷检测技术领域。本发明包括：S1：获取塑封芯片的超声波扫描图像，利用改进后的神经网络算法对图像进行芯片目标检测；S2：对获得的芯片图像进行传统图像算法分析，实现芯片缺陷的检测；所述的神经网络包含主干提取网络、改进后的特征融合网络和YOLOHead结构，改进后的特征融合网络将主干提取网络得到的三个特征向量经过YOLOv5网络中的金字塔特征融合FPN和PAN网络加强融合，得到加强后的特征向量，并融合原来的特征向量，得到改进后的特征融合向量。本发明结合深度学习与传统算法对超声波扫描图像进行处理，能够快速识别像素级别的缺陷类型与分布。
-
-
-
Search Results
4
records
(took 0.022 seconds)
