-
公开(公告)号：CN118243691A
公开(公告)日：2024-06-25
申请号：CN202410143531.X
申请日：2024-02-01
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
IPC: G01N21/892 , B07C5/34 , G06V10/764 , G06V10/774 , G06T7/00 , G06V10/12 , G01N21/88 , G01N21/01
Abstract: 本发明公开了化纤丝饼外观图像数据采集及处理方法，包括以下步骤：S10，化纤丝饼上线；S20，传感器感应及相机获取图像：当化纤丝饼随化纤丝饼托盘移动到相机组指定工位时，触发相应信号，以控制相机等获取目标化纤丝饼外观图像；S30，图像处理：对采集到的绊丝缺陷的化纤丝饼图像进行图像增强处理；S40，检测判断：对采集到的化纤丝饼外观图像进行缺陷检测判断；S50，输出结果及自动分流：根据检测结果，输出该化纤丝饼是否为合格品，并将化纤丝饼所有的检出图进行保存，如果该化纤丝饼存在缺陷，也会将此缺陷标注于对应图像的对应缺陷所在位置。本发明在图像采集、图像处理、检测判断和输出分流各环节均作出了有效改进，缺陷检测率显著提高。
-
公开(公告)号：CN119810165A
公开(公告)日：2025-04-11
申请号：CN202411734308.9
申请日：2024-11-29
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
Abstract: 本发明公开了一种多光谱图像配准方法，包括以下步骤：S10，对可见光图像和红外图像进行预处理；S20，进行canny边缘检测与相位一致性检测，并采用特征点检测方法检测出红外图像与可见光图像的特征点以及其主方向；S30，求出梯度图像，并根据梯度图像计算出红外图像的特征描述符和可见光图像的多尺度特征描述符；S40，采用余弦相似度进行双边匹配，并应用改进的RANSAC算法进行配准点的筛选；S50，把匹配到的配准点坐标映射到原始图像坐标上，并对可见光图像进行仿射变换，使其与红外图像像素级对齐。本发明保证了红外图像和可见光图像具有相同的特征点这一个前提，同时通过特征描述和改进的RANSAC配准点筛选方法，提高了配准点的筛选精度。
-
公开(公告)号：CN118097176A
公开(公告)日：2024-05-28
申请号：CN202410066532.9
申请日：2024-01-17
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
Abstract: 本发明公开了基于添加注意力机制改进检测网络模型的方法，S10，通过全局平均池化层将图像进行分解，分别沿水平坐标方向及垂直坐标方向对图像进行压缩编码，生成两个不同坐标方向的图像特征编码；S20，通过卷积方式进行聚合，生成中间特征图f；S30，基于空间维度将f切分得到两个单独的向量，随后使用两个不同的卷积核将这两个向量的尺寸进行转换，得到与最开始的输入一样的通道数；S40，对尺寸转换过的两个向量gh及gw进行处理即可得到包含位置信息的注意力权重，然后作用于原图像特征图。本发明使用注意力模块对原有网络模型进行改进后，更加聚焦于化纤丝饼绊丝缺陷所在区域，有效提升网络训练效果和化纤丝饼绊丝缺陷检测的准确率。
-
公开(公告)号：CN116778463A
公开(公告)日：2023-09-19
申请号：CN202310571370.X
申请日：2023-05-17
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
IPC: G06V20/62 , G06V10/26 , G06V10/82 , G06V10/762 , G06V10/56 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了基于简化的yolov5与halcon相结合的车牌识别方法，包括以下步骤：图像采集：通过摄像头采集含有车牌的图片；车牌定位：通过简化的yolov5网络对图片进行识别，生成车牌的位置，即车牌的坐标；车牌预处理：通过车牌坐标对车牌图片进行分割，得到只含车牌的图像，然后进行图像增强、车牌翻转校正和车牌字符区域逼近，最后得到只含字符的区域和图像；字符分割：分割出车牌的每个字符；OCR识别：根据字符分割模块提取的字符，从左到右逐个的进行OCR识别，最后输出车牌号的字符串。本发明避免复杂环境对车牌定位的影响，同时又根据车牌字符大小相似提出了一种“逐步逼近”的字符分割方法，大大增加了算法的鲁棒性，使其能够很好的识别车牌。
-
公开(公告)号：CN119831880A
公开(公告)日：2025-04-15
申请号：CN202411797221.6
申请日：2024-12-09
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于卷积神经网络的图像去噪方法，包括以下步骤：S10，含有噪声的图像通过一个多尺度空洞卷积模块；S20，经过由3CBlock_n模块和Conv模块组合的特征提取阶段，采用跳跃连接的方式，每一层输入都为与之前层的输出合并而成的特征图，使用Concat操作将不同层的特征图拼接在一起；S30，以EndConv模块的输出作为噪声图像，用原图像减去噪声图像就得到了去噪后的图像。本发明提出的去噪方法在实际应用中具有广泛的适用性和显著的实用价值，能够有效解决电力设施监控中遇到的图像噪声问题，为电力系统的安全运行提供重要的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN119714545A
公开(公告)日：2025-03-28
申请号：CN202411734636.9
申请日：2024-11-29
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
Abstract: 本发明公开了一种基于热成像双光谱测温球机的输电设备识别方法，包括以下步骤：S10，采用热成像双光谱测温球机获取输电设备的多光谱图像数据；S20，对图像中的不同设备进行识别与分类；S30，检测被识别设备的温度，如超出预设范围，则发出预警信号。本发明大大提高了输电设备的监测效率与准确性，避免了人为巡检的不足，为电力系统的安全运行提供了可靠保障。
-
公开(公告)号：CN117911807A
公开(公告)日：2024-04-19
申请号：CN202311730619.3
申请日：2023-12-15
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
IPC: G06V10/774 , G06T7/00 , G06V10/764 , G06V10/14
Abstract: 本发明公开了化纤丝饼外观图像数据采集及处理方法，包括以下步骤：S10，化纤丝饼外观图像采集，通过图像采集装置对化纤丝饼外观图像进行采集，包括缺陷图像及完好图像；S20，化纤丝饼外观图像数据扩充，采用数据增强算法对采集的原始图像进行扩充，增加化纤丝饼外观缺陷图像数量；S30，化纤丝饼外观图像数据集制作，对处理好的化纤丝饼外观缺陷数据集图像进行缺陷目标标注。本发明自行采集符合本任务所需的缺陷图像，构建特有的化纤丝饼外观缺陷数据集，对后续数据集训练提供合适的基础。
-
公开(公告)号：CN117409026A
公开(公告)日：2024-01-16
申请号：CN202311200453.4
申请日：2023-09-18
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
Abstract: 本发明公开了一种基于canny和膨胀腐蚀算法的骨缺损边缘轮廓提取方法，包括以下步骤：S10，去除冗余，采用直通滤波算法去除冗余点云；S20，三维转二维，通过保留三维坐标的x,y坐标，并将z坐标转换为灰度信息的方法，将原三维图像转换为二维图像；S30，二维骨缺损边缘轮廓提取，采用canny算法和膨胀腐蚀算法；S40，提取骨缺损边缘轮廓的三维坐标，通过二维与三维坐标的映射关系，即可提取出骨缺损边缘轮廓的三维坐标。本发明解决了目前骨支架技术中轮廓提取的断续问题，实现断点连接，且最大限度保留原有特征。
-
公开(公告)号：CN117408877A
公开(公告)日：2024-01-16
申请号：CN202311200271.7
申请日：2023-09-18
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
Abstract: 本发明公开了一种基于三维视觉成像的骨缺损生成方法，包括以下步骤：S10，轮廓坐标提取，获得骨缺损位置的三维坐标，转换得到骨缺损的的三维轮廓坐标；S20，骨缺损尺寸计算，利用骨缺损三维轮廓数据，计算得到骨缺损直径尺寸；S30，生成拼接图，根据骨缺损直径尺寸，生成骨支架模块拼接示意图。本发明解决了目前骨支架技术无法同时满足时效性和个性化要求在内的痛点问题，大幅度降低人工工作量、缩短周期，提高安全性、准确性和高效性。
-
公开(公告)号：CN118608446A
公开(公告)日：2024-09-06
申请号：CN202410143211.4
申请日：2024-02-01
Applicant: 杭州电子科技大学 , 杭州汇萃智能科技有限公司
IPC: G06T7/00 , G06T3/02 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了基于过滤剪枝的化纤丝饼外观缺陷检测网络压缩方法，包括：S10，利用稀疏性正则化对γ系数进行处理，使其互相之间区分开；S20，识别预设阈值外的通道，即不重要的通道，裁剪不重要的通道；S30，裁剪后，即获得一个轻量化网络模型，再进行微调得到与原始网络模型精度相似度在阈值内的检测模型。本发明采用剪枝技术，对神经网络模型进行轻量化处理，在保证检测精度不会发生太大变化的同时，去除网络中不必要的网络结构。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.162 seconds)
