-
公开(公告)号：CN118781086A
公开(公告)日：2024-10-15
申请号：CN202410937329.4
申请日：2024-07-12
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)
Abstract: 本发明提供了基于概率分布优化和协同进化的缺陷检测方法及系统，涉及缺陷检测技术领域，包括，获取待检测的缺陷图像；利用训练好的缺陷检测网络对待检测的缺陷图像进行检测，得到缺陷检测结果。其中，缺陷检测网络包括边缘进化模块、上下文进化模块、特征融合模块和检测模块；边缘进化模块利用上下文特征作为条件，调整边缘特征概率分布，对边缘特征进行进化；上下文进化模块利用边缘进化模块输出的边缘特征作为约束，调整上下文进化的定义域范围，对上下文特征进行进化；特征融合模块融合边缘进化特征和上下文进化特征，得到融合特征；检测模块对融合特征进行检测。本发明能够提高在特征模糊和背景干扰环境下的缺陷检测精度。
-
公开(公告)号：CN118196089B
公开(公告)日：2024-08-06
申请号：CN202410605255.4
申请日：2024-05-16
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: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/096
Abstract: 本发明属于视觉缺陷检测领域，提供了一种基于知识蒸馏的玻璃容器缺陷检测网络轻量化方法及系统，包括对玻璃容器缺陷图片进行缺陷类别筛选、标注和数据预处理；采用搭建置信度蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出置信度最高且互不重叠的多个预测框并训练学生模型进行置信度蒸馏；搭建全局蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出多尺度特征并重新加载和训练好的学生模型权重进行全局蒸馏；利用置信度蒸馏分支和全局蒸馏分支实现对缺陷检测网络的轻量化。
-
公开(公告)号：CN117975176B
公开(公告)日：2024-06-04
申请号：CN202410392385.4
申请日：2024-04-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 一种基于工业动态视觉自我提示的钢铁缺陷检测方法，涉及数字图像处理中的目标识别技术领域，对工业图片进行缺陷类别筛选、标注和数据预处理；搭建卷积模块，搭建自我提示ViT模块，搭建下采样模块，搭建检测头并将卷积模块、自我提示ViT模块、下采样模块、检测头按顺序级联并进行训练，训练结束后选择优化后的模型进行封装部署。提升了工业缺陷的检测精度，对工业缺陷检测具有应用能力。
-
公开(公告)号：CN117975176A
公开(公告)日：2024-05-03
申请号：CN202410392385.4
申请日：2024-04-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 一种基于工业动态视觉自我提示的钢铁缺陷检测方法，涉及数字图像处理中的目标识别技术领域，对工业图片进行缺陷类别筛选、标注和数据预处理；搭建卷积模块，搭建自我提示ViT模块，搭建下采样模块，搭建检测头并将卷积模块、自我提示ViT模块、下采样模块、检测头按顺序级联并进行训练，训练结束后选择优化后的模型进行封装部署。提升了工业缺陷的检测精度，对工业缺陷检测具有应用能力。
-
公开(公告)号：CN118196089A
公开(公告)日：2024-06-14
申请号：CN202410605255.4
申请日：2024-05-16
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: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/096
Abstract: 本发明属于视觉缺陷检测领域，提供了一种基于知识蒸馏的玻璃容器缺陷检测网络轻量化方法及系统，包括对玻璃容器缺陷图片进行缺陷类别筛选、标注和数据预处理；采用搭建置信度蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出置信度最高且互不重叠的多个预测框并训练学生模型进行置信度蒸馏；搭建全局蒸馏分支，训练教师模型得到教师模型权重，将训练好的教师模型进行推理，从教师模型取出多尺度特征并重新加载和训练好的学生模型权重进行全局蒸馏；利用置信度蒸馏分支和全局蒸馏分支实现对缺陷检测网络的轻量化。
-
Patent Agency Ranking
公开(公告)号：CN113962980A
公开(公告)日：2022-01-21
申请号：CN202111281750.7
申请日：2021-11-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明采用基于改进YOLOV5X的玻璃容器瑕疵识别方法及系统来识别玻璃容器瑕疵，涉及基于深度学习目标检测的玻璃容器瑕疵识别方法及系统。主要包括以下内容：利用玻璃容器瑕疵数据集进行分析标注，生成图片标签XML数据集，对XML文件标注数据集转换生成TXT文件标签集，搭建CSPDarknet53—MHSA主干特征提取网络模块，搭建Bi‑FPN加强特征提取网络模块，搭建检测头模块，通过反向传播CIOU损失函数计算损失以及更新整个系统模型、对构建好的系统模型进行测试。本发明具有鲁棒性高，泛化能力强，准确度高的特点。
-
公开(公告)号：CN113888528A
公开(公告)日：2022-01-04
申请号：CN202111231196.1
申请日：2021-10-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明采用基于改进CenterNet的瓶底模点识别系统来识别瓶底模点，涉及到基于深度学习目标检测的瓶底模点识别方法以及系统。主要包括以下内容：利用瓶底模点数据集进行分析标注，生成图片标签数据集，搭建ResNet‑CBAM主干特征提取网络模型，搭建CenterNet目标检测网络模型，通过反向传播以及Focal Loss和l1 loss计算损失以及更新模型、对构建好的模型进行测试。本发明具有鲁棒性高，泛化能力强，准确度高的特点。
-
公开(公告)号：CN113887668A
公开(公告)日：2022-01-04
申请号：CN202111281298.4
申请日：2021-11-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及了基于改进YOLOv4的容器瑕疵检测方法及系统，在实际工业生产线中，触发器控制CCD相机，搭配条形光等光源，拍取玻璃容器瓶身图像，然后使用检测一体机系统中的算法，对瓶身瑕疵进行检测及分类，将检测出瑕疵的玻璃容器击打回收。在这个过程中，检测算法的设计是关键一环，检测算法的好坏，直接影响了质检一体机的优劣之分。本发明提供的基于改进YOLOv4的容器瑕疵检测方法及系统，用以提高玻璃容器瑕疵的检测识别和回收效率，适合应用于机器视觉玻璃容器检测领域及行业。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.041 seconds)
