-
公开(公告)号:CN116051504A
公开(公告)日:2023-05-02
申请号:CN202310033217.1
申请日:2023-01-10
Applicant: 江苏科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/187 , G06N3/048 , G06N3/08 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种热轧带钢表面缺陷检测方法及系统,通过卷积神经网络CNN提取特征图,将特征图加入位置编码后,结合Transformer进行编码解码,并构建最优模型,使得深度学习下的特征图得到准确分析,且损失率达到最小,并通过精度、召回率、F1_score、准确率四个层次进行评价,快速判断缺陷种类及位置,提高了深度学习下热轧带钢表面缺陷检测的精确度。
-
公开(公告)号:CN115908554A
公开(公告)日:2023-04-04
申请号:CN202211621878.8
申请日:2022-12-16
Applicant: 江苏科技大学
Abstract: 本发明公开了一种高精度亚像素模拟星图以及亚像素提取方法,步骤如下:输入星敏感器CCD相机内参,以及相机视轴所在位置;遍历SAO星表,储存筛选所获得的恒星的相关数据;构建投影数学模型,变换为计算机识别的像素坐标系;进行图像数字化处理;给仿真星图添加高斯噪音和椒盐噪点;对星图进行灰度阈值分割,进行星点提取;进行拟合计算,获得星点光斑质心坐标对映射坐标与真实坐标进行误差分析,实现亚像素提取;计算星间角距误差,满足星图模拟提取的精度需求。本发明实现了误差补偿方法,达到了亚像素级别处理,使星间角距误差满足了1角秒要求。
-
公开(公告)号:CN116297472A
公开(公告)日:2023-06-23
申请号:CN202310033923.6
申请日:2023-01-10
Applicant: 江苏科技大学
IPC: G01N21/88 , G06T17/05 , G06V20/17 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08 , G05D1/10
Abstract: 本发明公开了一种基于深度学习的无人机桥梁裂缝检测方法及系统通过无人机A及无人机B的配合,获取更精准的环境参数,同时通过UWB辅助定位更加便捷的获取无人机图像位置,并通过剪切混合的数据增强使得SSD算法得以改进,使得无人机裂缝的检测更加精准。
-
公开(公告)号:CN116223038A
公开(公告)日:2023-06-06
申请号:CN202310026862.0
申请日:2023-01-09
Applicant: 江苏科技大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于改进WGAN网络的轴承故障诊断方法,包括加速度传感器的选取与安装,采集样本轴承运行过程中的振动信号并对样本信号进行处理,构建改进WGAN诊断模型,搭建生成器模型并生成虚假信号,采用R‑FCN网络模型,获取改进WGAN诊断模型,Hyperopt优化改进WGAN诊断模型超参数,采用半监督学习指导改进WGAN诊断模型中生成器和鉴别器训练,优化后改进的WGAN诊断模型实现轴承故障诊断,采集待测轴承运行的全生命周期振动信号并对振动信号进行处理后输入改进WGAN诊断模型,获取轴承的诊断精度和故障类型。本发明解决传统故障诊断模型的耗时长、诊断精度低等问题,提高了实际生产效率和安全性。
-
-
-