公开(公告)号：CN113838208B

公开(公告)日：2024-02-02

申请号：CN202111025437.7

申请日：2021-09-02

Applicant: 桂林电子科技大学

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

IPC: G06T17/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于改进残差收缩网络的带钢缺陷检测方法，通过增广数据集提高网络训练的准确度，构建残差收缩网络模型，再将新的激活函数LeakyReLU和Adamax优化器替换原残差收缩网络的激活函数和优化器，并且应用于带钢的缺陷检测中，训练完成后以准确度判断检测结果，如未达到预设值则重新训练至预设目标才保存网络输出结果，所述基于改进残差收缩网络的带钢缺陷检测方法有效剔除了网络训练特征学习带来的冗余信息，提升残差收缩网络的性能，解决了现有技术中带钢识别方法准确率不高的问题。(56)对比文件Yong Tian等.Feature fusion-basedpreprocessing for steel plate surfacedefect recognition.Math Biosci Eng .2020,5672-5685.

公开(公告)号：CN117788499A

公开(公告)日：2024-03-29

申请号：CN202311638193.9

申请日：2023-12-02

Applicant: 桂林电子科技大学

Inventor： 蒋占四 ,  郑泽瀚

IPC: G06T7/13 ,  G06T7/00 ,  G06T5/70 ,  G06T5/73 ,  G06T5/20

Abstract: 本发明公开了一种基于视觉的工件边缘检测算法，本发明首先通过图像灰度化处理；再采用了自适应中值滤波‑双边滤波代替原Canny算法中的高斯滤波，锐化了图像边缘；然后在进行梯度图像计算时将分数阶微分算子与Sobel算子结合，通过3×3模板替换2×2模板并增加了45度和135度方向的计算，具有良好的边缘检测效果和抗噪性；然后采用非极大值抑制处理；最后采用最大类间方差法计算高低阈值，增强算法的自适应能力，同时通过高阈值保留强边缘点，通过低阈值连接弱边缘点，形成边缘检测图像。与传统算法Canny算法相比，本发明将改进后的Canny算法应用于工业零件的边缘检测，提取到的边缘检测图像轮廓更明显，提取的边缘有更多的细节。

公开(公告)号：CN117830218A

公开(公告)日：2024-04-05

申请号：CN202311638196.2

申请日：2023-12-02

Applicant: 桂林电子科技大学

Inventor： 蒋占四 ,  郑泽瀚

IPC: G06T7/00 ,  G06T5/70 ,  G06T7/12 ,  G06T7/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种先进的基于CNN的两阶段裂缝分割模型，该模型融合了裂缝检测与像素级分割，显著地优化了数据不平衡问题，同时还降低了计算成本。实验表明，该模型在噪声较大、低分辨率及不平衡数据集的零件图像中，F1分数均超过90％，远超其他先进方法。此外，该架构还适用于其他低质量输入数据的目标检测任务。

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：CN113838208A

公开(公告)日：2021-12-24

申请号：CN202111025437.7

申请日：2021-09-02

Applicant: 桂林电子科技大学

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

IPC: G06T17/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进残差收缩网络的带钢缺陷检测方法，通过增广数据集提高网络训练的准确度，构建残差收缩网络模型，再将新的激活函数LeakyReLU和Adamax优化器替换原残差收缩网络的激活函数和优化器，并且应用于带钢的缺陷检测中，训练完成后以准确度判断检测结果，如未达到预设值则重新训练至预设目标才保存网络输出结果，所述基于改进残差收缩网络的带钢缺陷检测方法有效剔除了网络训练特征学习带来的冗余信息，提升残差收缩网络的性能，解决了现有技术中带钢识别方法准确率不高的问题。

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。