公开(公告)号：CN117934375A

公开(公告)日：2024-04-26

申请号：CN202311740663.2

申请日：2023-12-18

Applicant: 桂林电子科技大学

Inventor： 蒋占四 ,  陈晓鑫 ,  郑洪鑫 ,  程豪 ,  封远鹏

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464

Abstract: 本发明涉及表面缺陷检测技术领域，具体涉及一种增强图像特征融合的轻量化锂电池表面缺陷检测方法，通过构建和训练缺陷检测模型来对锂电池表面缺陷进行检测，具体以Yolov4网络为基础，利用轻量级的Mobilenetv2网络来作为该缺陷检测模型的主干网络，为进一步使模型变得更加轻量，提出DSC‑SE‑HsId模块并替换掉缺陷检测模型中颈部网络和头部网络中的所有标准3×3的卷积，同时构建LSE‑ASFF模块嵌入到缺陷检测模型的颈部网络中的路径聚合网络的后方，经过自适应空间特征融合模块后将会输出三层特征图，最后特征图被输入到缺陷检测模型的头部网络中进行分类和回归，从而得到缺陷的具体类别和位置，也降低了模型的参数量和计算复杂度。

公开(公告)号：CN113962937A

公开(公告)日：2022-01-21

申请号：CN202111119591.0

申请日：2021-09-24

Applicant: 桂林电子科技大学

Inventor： 蒋占四 ,  梁日强 ,  胡燕林 ,  滕制 ,  郑泽瀚 ,  程豪 ,  刘雪涛

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于带有收缩块的ResNeXt网络缺陷检测方法，通过融合所述ResNext模型和所述收缩模块构建一个新网络模型，再导入工业缺陷数据集对所述新网络模型进行训练，获得训练后的网络模型，从而利用训练后的网络模型进行缺陷检测，融合后的模型既可以提高缺陷检测的准确率同时也可以剔除网络中的冗余信息，解决了现有技术中的视觉缺陷检测方法准确率不高的技术问题。

公开(公告)号：CN217186814U

公开(公告)日：2022-08-16

申请号：CN202220804236.0

申请日：2022-04-08

Applicant: 桂林电子科技大学

Inventor： 蒋占四 ,  程豪 ,  梁日强 ,  郑泽瀚 ,  胡燕林 ,  滕制 ,  吴科伟 ,  蔡丹娜 ,  封远鹏 ,  徐毓贤 ,  陈锴博

IPC: A61G7/015 ,  A61G7/053

Abstract: 本实用新型公开了一种多功能护理床，包括床体、辅助上下床组件、起背组件、侧翻身组件、屈腿组件和辅助康复锻炼组件，起背组件、侧翻身组件、辅助上下床组件、屈腿组件依次设置至在床体的床板中，辅助康复锻炼组件与床体可拆卸连接，并位于床体靠近屈腿组件的一端的下方。病人坐在辅助上下床组件上，辅助上下床组件带动病人旋转，降低了病人上下床的难度。起背组件起到辅助病人起身的功能。侧翻身组件起到辅助病人翻身的功能。屈腿组件能够辅助病人进行上屈腿或下屈腿运动。病人还可以通过辅助康复训练组件进行下肢的锻炼。上述功能，在没有陪护人员辅助的境况下，病人能够自主完成。