-
公开(公告)号：CN118864453A
公开(公告)日：2024-10-29
申请号：CN202411336457.X
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海尔智能技术研发有限公司 , 山东山科数字经济研究院有限公司
IPC: G06T7/00 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明提供了基于局部整体上下文感知的钢铁表面瑕疵检测方法及系统，涉及图像处理技术领域，所述方法包括：获取待检测钢铁图像；将钢铁图像输入钢铁表面瑕疵检测模型中进行检测，获得钢铁表面瑕疵检测结果；局部整体感知网络利用不同空洞率的空洞卷积提取不同尺度的局部特征，并在获取全局特征时，将查询向量、键向量和值向量均输入到卷积模块、深度卷积模块和逐点卷积模块中处理；多层级交互网络利用局部整体感知网络不同层的输出，进行跨层特征融合；强化识别网络，融合多层级交互网络的输出特征，对融合后的特征进行增强与检测，得到钢铁表面瑕疵检测结果。本发明能够提高钢铁瑕疵检测的准确率和效率。
-
公开(公告)号：CN118570212A
公开(公告)日：2024-08-30
申请号：CN202411059782.6
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。
-
公开(公告)号：CN118864453B
公开(公告)日：2025-01-21
申请号：CN202411336457.X
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海尔智能技术研发有限公司 , 山东山科数字经济研究院有限公司
IPC: G06T7/00 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明提供了基于局部整体上下文感知的钢铁表面瑕疵检测方法及系统，涉及图像处理技术领域，所述方法包括：获取待检测钢铁图像；将钢铁图像输入钢铁表面瑕疵检测模型中进行检测，获得钢铁表面瑕疵检测结果；局部整体感知网络利用不同空洞率的空洞卷积提取不同尺度的局部特征，并在获取全局特征时，将查询向量、键向量和值向量均输入到卷积模块、深度卷积模块和逐点卷积模块中处理；多层级交互网络利用局部整体感知网络不同层的输出，进行跨层特征融合；强化识别网络，融合多层级交互网络的输出特征，对融合后的特征进行增强与检测，得到钢铁表面瑕疵检测结果。本发明能够提高钢铁瑕疵检测的准确率和效率。
-
Patent Agency Ranking
公开(公告)号：CN118570212B
公开(公告)日：2024-10-18
申请号：CN202411059782.6
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。
-
公开(公告)号：CN118154603B
公开(公告)日：2024-07-23
申请号：CN202410578270.4
申请日：2024-05-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，提供了一种基于级联多层特征融合网络的显示屏缺陷检测方法及系统，液晶显示屏缺陷检测模型包括用于提取图像特征的残差特征提取网络，用于融合图像中浅层细粒度信息和深层语义信息的级联多层特征融合网络，以及用于确定缺陷类别、位置和置信度信息的目标识别网络；设计的残差特征提取模块，利用深度卷积模块和逐点卷积模块有效捕捉图像中的细粒度特征的同时降低模型参数量，提高模型检测速度；在特征提取网络设计特征增强模块，同时考虑液晶显示屏缺陷的细节特征和整体结构，能够提取更重要、更明显的缺陷特征，提高了模型对不同类型缺陷检测的准确性。
-
公开(公告)号：CN117132584B
公开(公告)日：2024-02-13
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：CN118154603A
公开(公告)日：2024-06-07
申请号：CN202410578270.4
申请日：2024-05-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，提供了一种基于级联多层特征融合网络的显示屏缺陷检测方法及系统，液晶显示屏缺陷检测模型包括用于提取图像特征的残差特征提取网络，用于融合图像中浅层细粒度信息和深层语义信息的级联多层特征融合网络，以及用于确定缺陷类别、位置和置信度信息的目标识别网络；设计的残差特征提取模块，利用深度卷积模块和逐点卷积模块有效捕捉图像中的细粒度特征的同时降低模型参数量，提高模型检测速度；在特征提取网络设计特征增强模块，同时考虑液晶显示屏缺陷的细节特征和整体结构，能够提取更重要、更明显的缺陷特征，提高了模型对不同类型缺陷检测的准确性。
-
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.047 seconds)
