-
公开(公告)号：CN116935221A
公开(公告)日：2023-10-24
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。
-
公开(公告)号：CN117132584A
公开(公告)日：2023-11-28
申请号：CN202311227287.7
申请日：2023-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于深度学习的液晶显示屏瑕疵检测方法及装置，涉及计算机视觉目标检测技术领域，通过设计轻量化特征提取网络，在保证液晶显示屏瑕疵特征提取能力的基础上减少计算量，提高模型的检测速度；设计跨层多尺度特征融合网络，高效的融合特征提取网络的浅层细粒度信息和深层语义信息；设计精细化预测网络，包括特征聚合器和特征提纯模块，特征聚合器融合了多层次的特征，提取更多上下文信息，增强细粒度特征的提取；特征提纯模块抑制了不同尺度特征图的冲突信息，减少语义差异，提高了模型对液晶显示屏瑕疵检测的准确率。
-
公开(公告)号：CN118898614A
公开(公告)日：2024-11-05
申请号：CN202411397545.0
申请日：2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。
-
公开(公告)号：CN117764988A
公开(公告)日：2024-03-26
申请号：CN202410194597.1
申请日：2024-02-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
Abstract: 本发明涉及计算机视觉的应用领域，提供了一种基于异核卷积多感受野网络的道路裂缝检测方法及系统。该方法包括，获取待检测的道路图像；基于待检测的道路图像，采用异核卷积多感受野网络，对道路裂缝进行检测；其中异核卷积多感受野网络包括：异核特征提取网络、加权异核特征融合网络和检测头网络，异核特征提取网络采用多个双分支异核多感受野模块与横纵局部全局特征增强模块级联的方式，提取得到特征图；双分支异核多感受野模块，将输入图像进行分割后，分别输入两路分支依次进行卷积处理和分支特征图融合；加权异核特征融合网络，包括多个双分支异核多感受野模块和多个加权特征拼接模块；检测头网络，根据融合特征图，检测道路缝隙。
-
公开(公告)号：CN116935221B
公开(公告)日：2024-02-13
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。(56)对比文件Zhiren Zhu.et al.Improved YOLOv5l-based Detection of Surface Defects in HotRolled Steel Strips《.Frontiers inComputing and Intelligent Systems》.2023,第4卷(第1期),全文.
-
Patent Agency Ranking
公开(公告)号：CN117036937B
公开(公告)日：2024-01-26
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN117036937A
公开(公告)日：2023-11-10
申请号：CN202310901011.6
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 一种基于物联网和深度学习的盲道方向识别及瑕疵检测方法，涉及智能交通技术领域，包括：获取盲道图像，图像加雾处理，图像标注，搭建模型，模型训练与测试，模型部署。将深度学习方法与物联网技术相融合，识别盲道的方向以及盲道表面的裂缝与坑洞，用于辅助盲人出行以及盲道维修。能够实时识别盲道方向以及盲道表面的瑕疵，方法具有准确率高，泛化性强的特点，可以将盲道相关信息通过物联网技术，传输至盲人或者盲道维修部门手中，在智能交通，尤其是盲道交通及盲道管理等领域具有较好的应用前景。
-
公开(公告)号：CN115375677B
公开(公告)日：2023-04-18
申请号：CN202211298772.9
申请日：2022-10-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于多路径和多尺度特征融合的酒瓶缺陷检测方法及系统，属于工业检测技术领域，包括：获取酒瓶RGB图像；根据RGB图像和训练好的酒瓶缺陷检测模型中，获得酒瓶缺陷检测结果，其中，酒瓶缺陷检测模型包括多个依次连接的残差提取模块，后三个残差提取模块中的每个残差提取模块均依次连接上采样网络、注意力增强块和检测单元，三个上采样网络按照从与最后一个残差提取模块连接的上采样网络到与倒数第三个残差提取模块连接的上采样网络的方向依次连接，每个上采样网络与残差提取模块之间还设置路径增强模块，残差提取模块的输出输入到路径增强模块中，路径增强模块的输出输入到上采样网络中。提高了酒瓶缺陷检测的准确性。
-
公开(公告)号：CN115035119B
公开(公告)日：2023-03-24
申请号：CN202210964603.8
申请日：2022-08-12
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , B07C5/34 , B07C5/02 , B07C5/36
Abstract: 本公开提供了一种玻璃瓶底瑕疵图像检测剔除装置、系统及方法，属于图像瑕疵检测领域，包括采集待检测玻璃瓶的瓶底普通图像和应力图像；获取采集的玻璃瓶底部的普通图像和应力图像，对所述图像分别在不同深度的模型中进行特征提取，获取不同深度的特征图；对不同深度的特征图进行融合，当一个融合节点具有多个输入特征图时，将给每个输入的特征图自动分配权重，融合不同层次的特征图；对融合的特征图进行瑕疵检测，获取瑕疵玻璃瓶并进行剔除；省了大量人工调参的误差，简化了操作流程，大大降低了瑕疵的漏检率，提升了检测效率；有效避免数据流的混乱以及板卡损耗率高，易出现设备各模块工作不同步的现象，大大提升设备的自动化水平。
-
公开(公告)号：CN115375677A
公开(公告)日：2022-11-22
申请号：CN202211298772.9
申请日：2022-10-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于多路径和多尺度特征融合的酒瓶缺陷检测方法及系统，属于工业检测技术领域，包括：获取酒瓶RGB图像；根据RGB图像和训练好的酒瓶缺陷检测模型中，获得酒瓶缺陷检测结果，其中，酒瓶缺陷检测模型包括多个依次连接的残差提取模块，后三个残差提取模块中的每个残差提取模块均依次连接上采样网络、注意力增强块和检测单元，三个上采样网络按照从与最后一个残差提取模块连接的上采样网络到与倒数第三个残差提取模块连接的上采样网络的方向依次连接，每个上采样网络与残差提取模块之间还设置路径增强模块，残差提取模块的输出输入到路径增强模块中，路径增强模块的输出输入到上采样网络中。提高了酒瓶缺陷检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.048 seconds)
