-
公开(公告)号：CN114140643A
公开(公告)日：2022-03-04
申请号：CN202111361874.6
申请日：2021-11-17
Applicant: 武汉理工大学
IPC: G06V10/764 , G06V10/44 , G06V10/50 , G06K9/62 , G06T7/44
Abstract: 本发明公开了基于MRLBP的纹理分类方法，MRLBP(Local Binary Pattern based on Magnitude Ranking)即基于幅值排序的局部二值模式，解决使用原始局部二值模式进行纹理分类时对幅值信息利用不足以及使用固定权重进行排序的问题。首先读取纹理数据集中的图像，然后选定合适的局部区域，利用局部邻域像素的符号信息和幅值信息，对每一个中心像素进行基于幅值排序的局部二值模式算法处理，再通过预训练、连接多尺度直方图和归一化处理来完成特征提取操作，最后使用SVM分类器实现纹理分类，得到当前纹理数据集的分类准确率。本发明具有旋转不变、噪声鲁棒、实时性高、分类准确率高的优点，用于各种纹理分类场景和应用。
-
公开(公告)号：CN108094288A
公开(公告)日：2018-06-01
申请号：CN201711432714.X
申请日：2017-12-26
Applicant: 武汉理工大学
IPC: A01K61/80
Abstract: 本发明公开了一种基于声呐检测的自动精确投饵机。该投饵机包括声呐检测部分，单片机控制部分和投饵机部分；所述声呐检测部分处于整个机器的底部，由步进电机和声呐探测器组成；所述单片机控制部分处于整个机器的内部，包括单片机控制器，处于机器底座上部的单片机本体接收到检测的信息，通过分析鱼群范围和密度，确定投饵量，范围和密度；所述投饵机部分包括外壳和内部机械组合的部分，所述内部机械组合的部分包括储料部分、送料部分和出料部分。所述声呐探测器和步进电机分别与单片机控制部分连接，所述单片机控制部分控制投饵机部分的送料部分和出料部分。此投饵机在传统渔业养殖，湖泊网箱养殖，甚至海洋网箱养殖行业均有较大价值与意义。
-
公开(公告)号：CN107102009A
公开(公告)日：2017-08-29
申请号：CN201710309344.4
申请日：2017-05-04
Applicant: 武汉理工大学
IPC: G01N21/952
Abstract: 本发明公开了一种基于机器视觉的筒纱管质量检测的方法，包括图像数据采集过程和图像处理检测过程，图像数据采集过程主要包括环形LED进行照明，光电旋转编码器进行筒纱管拍摄角度控制和工业CCD相机实时采集筒纱管图像传送给工控机。图像处理检测过程则包括对采集的筒纱管图像进行阈值分割，分割后的图像再进行筒纱管端面多切或少切的判断、筒纱管直径检测、筒纱管端面切口平滑度检测、筒纱管管壁毛刺识别和筒纱管小孔均匀度判断。采用本发明提出的基于机器视觉的筒纱管质量检测的方法，利用机器视觉实现了对筒纱管的高效检测，极大改善了筒纱管质量检测的准确性，使筒纱管质量检测自动化、智能化，提高了生产效率、节约了劳动成本。
-
公开(公告)号：CN114581758A
公开(公告)日：2022-06-03
申请号：CN202210224394.3
申请日：2022-03-07
Applicant: 武汉理工大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种基于EfficientNet网络与深度学习的植物叶部病害识别方法包括步骤：获取包含植物正常状态和植物叶部病害的图像数据集；对图像数据集进行数据增强处理和数据扩张处理，得到训练数据集；基于EfficientNet网络与深度学习搭建EfficientNet模型；将训练数据集输入到EfficientNet模型进行训练，得到训练完成的EfficientNet模型；使用EfficientNet模型对包含植物叶部病害的图像数据进行植物叶部病害识别。能够快速且准确的进行自然环境下的植物病害识别并采取相应的措施，对于植物病情的控制和治疗意义重大，能够及时准确地诊断植物病害，对于可持续和正确的农业，以及防止不必要的浪费财政和其他资源，都具有重要意义。
-
公开(公告)号：CN108765402A
公开(公告)日：2018-11-06
申请号：CN201810535590.6
申请日：2018-05-30
Applicant: 武汉理工大学
CPC classification number: G06T7/0012 , G06K9/6269 , G06T5/002 , G06T5/007 , G06T7/11 , G06T7/136 , G06T2207/20012 , G06T2207/20081 , G06T2207/20221 , G06T2207/30124
Abstract: 本发明公开了无纺布缺陷检测与分类方法，解决无纺布破洞、油污、异物以及划痕四种缺陷的自动检测与分类问题。首先对无纺布缺陷图像进行检测，利用优化Gabor滤波器组对其进行滤波，将滤波结果进行融合，并利用自适应阈值分割法对其进行二值化，利用伪缺陷剔除算法排除噪声干扰，从而准确定位出缺陷在图像中的位置；接着根据缺陷的位置，分割出图像中的感兴趣区域，基于感兴趣区域提取由形状特征、一阶矩特征以及二阶矩特征构成的复合特征向量；再利用复合特征向量组以及一对一的设计策略训练SVM分类器；最后用训练好的分类器组对无纺布缺陷特征实现准确分类。本发明具有对缺陷定位准确和分类准确率高的优点，用于无纺布生产厂家布匹缺陷的检测与分类。
-
Patent Agency Ranking
公开(公告)号：CN107091841A
公开(公告)日：2017-08-25
申请号：CN201710230172.1
申请日：2017-04-10
Applicant: 武汉理工大学
IPC: G01N21/84
CPC classification number: G01N21/84 , G01N2021/8477
Abstract: 本发明公开了一种石英棒检测中针对光源照射衰减的二值化阈值确定方法，包括步骤：S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；S2对灰度图像进行中值滤波；S3对中值滤波后的灰度图像逐列扫描，采用最大类间方差阈值选择法逐一确定各单列像素的二值化阈值，记为单列阈值；灰度图像中各单列像素分别采用对应的单列阈值进行二值化。本发明可获得目标物分布均匀的二值化图像。这样即实现了阈值补偿，从而解决石英棒检测中光源照射衰减的问题。
-
公开(公告)号：CN107084991A
公开(公告)日：2017-08-22
申请号：CN201710230130.8
申请日：2017-04-10
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于机器视觉的石英棒气泡检测及品质分级方法，包括：S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；S4从连通域提取气泡特征，根据气泡特征对石英棒品质进行分级。本发明基于图像处理技术检测石英棒中气泡，检测标准统一，抗环境光线干扰能力强，可快速准确地检测出石英棒中气泡。
-
公开(公告)号：CN107067432A
公开(公告)日：2017-08-18
申请号：CN201710230171.7
申请日：2017-04-10
Applicant: 武汉理工大学
IPC: G06T7/62
CPC classification number: G06T2207/10004
Abstract: 本发明公开了一种石英棒检测中圆边界的确定方法，包括：S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；S2对灰度图像依次进行去噪、灰度均衡、二值化、边缘粗提取，获得粗提取的边界；S3观察粗提取的边界，找出边界上部分点作为标记点；S4利用基于弦子集的圆心确定法确定圆心；S5根据圆心确定半径的取值范围；S6基于步骤S4确定的圆心和步骤S5确定的半径取值范围，利用霍夫变换从粗提取的边界中确定石英棒的圆边界。本发明在利用霍夫变换前，先确定圆心和半径范围，大大缩小了圆心和半径的取值区间，可减少计算量，提高运行速度，同时还可保证精度。
-
公开(公告)号：CN103944998A
公开(公告)日：2014-07-23
申请号：CN201410180427.4
申请日：2014-04-30
Applicant: 武汉理工大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于复杂网络的制造网格复杂任务资源节点选择方法，包括以下步骤：将复杂制造任务分解成适合于网格资源节点加工的子任务，分析各个子任务之间的关联约束，从而构建制造网格资源节点复杂网络；在此基础上对资源节点的度及其分布、节点的角色、节点间的平均路径长度和各个节点的聚类系数等动力学特性进行分析，并结合4个优化指标TQCS，采用传统全局最优选择算法即可进行资源节点优化选择。本发明方法能从复杂网络的角度提高制造网格环境下资源节点的全局优化选择能力，因此非常适用于制造网格动态资源环境中，适合求解大规模的动态资源选择问题。
-
公开(公告)号：CN115456949A
公开(公告)日：2022-12-09
申请号：CN202210965187.3
申请日：2022-08-12
Applicant: 武汉理工大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06T5/00 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/764
Abstract: 本发明公开了一种基于机器视觉的油管平磨质量检测方法，解决人工目检存在的问题，实现油管平磨质量检测自动化。首先读取用于质量检测的油管平磨端面样本图像，然后进行失真度检测，筛除失真样本，通过滤波去噪、图像增强、阈值分割和形态学处理这四个操作完成对未失真样本的预处理，再提取针对油管平磨端面样本的几何特征，形成特征向量组，并进行归一化处理，最后使用训练好的SVM分类器对合格、缺损和截断这三种样本进行分类，即可实现油管平磨的质量检测。本发明具有检测效率和检测准确率高的优点，用于汽车发动机油管生产厂家油管平磨质量的检测。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
