热敏电阻焊接缺陷检测方法、装置、计算机设备和介质

    公开(公告)号:CN118096657A

    公开(公告)日:2024-05-28

    申请号:CN202410096166.1

    申请日:2024-01-23

    摘要: 本申请涉及一种热敏电阻焊接缺陷检测方法、装置、计算机设备和存储介质。所述方法包括:获取热敏电阻的初始焊接图像;识别初始焊接图像中的目标对象,以得到目标对象对应的目标图像;从预设的热敏电阻焊接缺陷的候选指标中,确定与目标图像对应的焊接缺陷的目标指标;通过焊接缺陷的目标指标对目标图像进行检测,得到目标指标对应的焊接缺陷检测结果。采用本方法能够提高检测效率,同时焊接缺陷检测结果也更加准确。

    基于卷积神经网络的分辨率重建方法、装置、设备及介质

    公开(公告)号:CN117372261A

    公开(公告)日:2024-01-09

    申请号:CN202311639919.0

    申请日:2023-12-04

    摘要: 本发明公开了基于卷积神经网络的分辨率重建方法、装置、设备及介质。该方法包括:将目标测试集输入至目标超分辨率重建模型;通过第一卷积层确定目标测试集中目标测试图像对应的初始特征图;通过特征融合层融合处理密集连接对称层确定的初始特征图对应的基础纹理特征图与目标纹理特征图得到融合特征图;通过第二卷积层确定融合特征图对应的基础特征图;对基础特征图与初始特征图进行第一加和处理得到第一加和特征图,通过第三卷积层确定第一加和特征图对应的目标特征图;通过亚像素卷积层上采样处理目标特征图,得到分辨率重建图。通过本发明的技术方案,能够实现超分辨率图像的重建,提高了超分辨率图像的生成速率及准确率。

    一种图像分割方法、装置、电子设备及存储介质

    公开(公告)号:CN116630631A

    公开(公告)日:2023-08-22

    申请号:CN202310905385.5

    申请日:2023-07-24

    摘要: 本发明实施例公开了一种图像分割方法、装置、电子设备及存储介质。该方法包括:获取通过对目标集成电路进行拍摄得到的电路X射线图像,以及,已训练完成的双分支图像分割模型;将所述电路X射线图像输入到所述双分支图像分割模型中,并根据所述双分支图像分割模型的输出结果,得到所述目标集成电路的分割掩码图;其中,所述双分支图像分割模型至少包括语义分支和空间分支,所述语义分支包括已进行通道压缩的残差网络,所述双分支图像分割模型还包括与所述空间分支和所述残差网络分别连接的融合结构,所述残差网络至少包括交叉尺度注意模块。本发明实施例的技术方案,可以在减少模型参数量以及提高运算效率的情况下,保证图像分割精度。

    一种图像灰度增强方法
    4.
    发明授权

    公开(公告)号:CN104463800B

    公开(公告)日:2017-09-29

    申请号:CN201410738404.0

    申请日:2014-12-04

    IPC分类号: G06T5/00

    摘要: 本发明公开一种图像灰度增强方法,包括如下步骤:图像预处理:对图像进行去噪;计算图像的全局均值图像和局部均值图像;计算灰度权值;计算全局灰度增强图和局部灰度增强图,最终获得灰度增强图。本发明提出的图像灰度增强方法灵活性强,利用本发明的技术方案能够使图像中亮的区域更亮,暗的区域更暗,使得图像看起来更加清晰。

    一种基于X-Ray图像的IC元器件缺陷检测方法

    公开(公告)号:CN105389802A

    公开(公告)日:2016-03-09

    申请号:CN201510684145.2

    申请日:2015-10-20

    IPC分类号: G06T7/00

    CPC分类号: G06T7/0006 G06T2207/30148

    摘要: 本发明公开一种基于X-Ray图像的IC元器件缺陷检测方法,包括:对测算图像进行旋转模板匹配,实现对所测区域的位置及角度的粗定位;根据金线与整体零件相对位置不变的特性,由偏移及旋转角度定位出金线位置;通过灰度形态学OPEN操作,剔除金线头竖向部分干扰,提取出二值化图像;根据形态特征剔除干扰,提取出金线主体部分;采取Hilditch算法对二值化图像细化,使金线成为宽度是一个像素的细长轮廓;通过提取轮廓线关键点,对轮廓线关键节点以及轮廓整体走向趋势进行分析,确定金线的凹凸性,判断出IC元器件的缺陷状况。本发明快速可靠的实现了IC元器件的缺陷检测,具有很强适应性。

    一种图像分割方法、装置、电子设备及存储介质

    公开(公告)号:CN118429649B

    公开(公告)日:2024-10-18

    申请号:CN202410882275.6

    申请日:2024-07-03

    摘要: 本发明公开了一种图像分割方法、装置、电子设备及存储介质,该方法包括:获取待分割图像,并加载与待分割图像匹配的图像分割网络模型;图像分割网络模型包括主干网络、多个全尺度连接模块和并行残差网络模块,主干网络包括编码器和解码器;编码器和解码器之间通过多个全尺度连接模块跳跃连接进行特征融合;并行残差网络模块中包括依次连接的多个层级的残差块;并行残差网络模块中的每一残差块分别与解码器中对应的解码器层连接;将待分割图像输入至图像分割网络模型进行图像分割,得到第一分割蒙版和第二分割蒙版;基于第一分割蒙版和第二分割蒙版确定待分割图像的分割结果。本发明通过引入全尺度连接模块和并行残差网络模块提高图像分割质量。

    叠片电池的关键点检测方法、装置、计算机设备、可读存储介质和程序产品

    公开(公告)号:CN118674714A

    公开(公告)日:2024-09-20

    申请号:CN202410971567.7

    申请日:2024-07-19

    摘要: 本申请涉及一种叠片电池的关键点检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,涉及电池检测技术领域。所述方法包括:获取待检测叠片电池的X射线图像;通过训练完成的关键点检测模型,对X射线图像进行多个尺度的特征提取处理,得到X射线图像的多尺度特征图;对多尺度特征图进行不同的卷积处理,得到X射线图像对应的高斯热力图、偏移量图和分组标记特征图;高斯热力图表示关键点的热力数据、偏移量图表示关键点的偏移量,分组标记特征图表示关键点的分布数据;根据高斯热力图、偏移量图和分组标记特征图,得到待检测叠片电池的关键点检测结果。采用本方法能够提高叠片电池的关键点检测的普适性。

    一种射线图像的分辨率重建方法、装置、设备及介质

    公开(公告)号:CN117522682B

    公开(公告)日:2024-08-13

    申请号:CN202311650386.6

    申请日:2023-12-04

    摘要: 本发明公开了一种射线图像的分辨率重建方法、装置、设备及介质。该方法包括:将获取的待重建射线图像输入至训练完成的目标超分辨率生成模型;其中,目标超分辨率生成模型包含依据设定顺序连接的目标密集残差网络层、第一设定数量的目标卷积层以及第二设定数量的目标上采样层;通过目标密集残差网络层确定待重建射线图像的全局注意力特征与空间特征,并融合处理全局注意力特征与空间特征得到融合特征;通过目标卷积层及目标上采样层综合处理融合特征,得到待重建射线图像对应的分辨率重建图像。通过本发明的技术方案,能够实现超分辨率射线图像的轻量化生成,提高了超分辨率射线图像的生成速率及准确率。

    转轴异物检测方法、装置、计算机设备和存储介质

    公开(公告)号:CN118096656A

    公开(公告)日:2024-05-28

    申请号:CN202410093323.3

    申请日:2024-01-23

    摘要: 本申请涉及一种转轴异物检测方法、装置、计算机设备和存储介质。所述方法包括:获取待检测转轴的初始图像,对初始图像进行增强处理,得到待检测转轴的增强图像;基于增强图像和真实OK图像各自的图像要素,确定待检测转轴的比对图像;真实OK图像是质量合格的样本转轴对应的X光线图像;基于比对图像和训练好的异物检测模型,确定待检测转轴的异物检测结果;异物检测模型是基于样本转轴对应的真实NG图像和仿真NG图像训练得到的,真实NG图像是包含异物的样本转轴对应的X光线图像,仿真NG图像是基于真实NG图像和真实OK图像生成的包含异物的样本转轴对应的X光线图像。采用本方法能够提升折叠转轴异物检测的准确度。

    基于卷积神经网络的分辨率重建方法、装置、设备及介质

    公开(公告)号:CN117372261B

    公开(公告)日:2024-02-27

    申请号:CN202311639919.0

    申请日:2023-12-04

    摘要: 本发明公开了基于卷积神经网络的分辨率重建方法、装置、设备及介质。该方法包括:将目标测试集输入至目标超分辨率重建模型;通过第一卷积层确定目标测试集中目标测试图像对应的初始特征图;通过特征融合层融合处理密集连接对称层确定的初始特征图对应的基础纹理特征图与目标纹理特征图得到融合特征图;通过第二卷积层确定融合特征图对应的基础特征图;对基础特征图与初始特征图进行第一加和处理得到第一加和特征图,通过第三卷积层确定第一加和特征图对应的目标特征图;通过亚像素卷积层上采样处理目标特征图,得到分辨率重建图。通过本发明的技术方案,能够实现超分辨率图像的重建,提高了超分辨率图像的生成速率及准确率。