公开(公告)号：CN118968129A

公开(公告)日：2024-11-15

申请号：CN202410969656.8

申请日：2024-07-19

Applicant: 河北工业大学

Inventor： 陈海永 ,  张家萌 ,  倪勇 ,  张行顺 ,  陈涛

IPC: G06V10/764 ,  B07C5/34 ,  B07C5/02 ,  B07C5/36 ,  B07C5/38 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开一种用于刹车片的检测模型、分拣系统及分拣方法，本发明设计的检测模型为改进的YoloV8‑OBB神经网络模型，可以提高检测速度和检测准确率。本发明设计的用于刹车片的分拣系统及分拣方法，基于检测模型，可以实现刹车片的快速分拣，比目前工业人工流水产线检测的分拣效率高、检测成本低、检测速度快、检测质量高。

公开(公告)号：CN118351104A

公开(公告)日：2024-07-16

申请号：CN202410595161.3

申请日：2024-05-14

Applicant: 河北工业大学 ,  国家电投集团河北电力有限公司 ,  石家庄东方热电热力工程有限公司 ,  国网河北省电力有限公司电力科学研究院

Inventor： 陈海永 ,  张家萌 ,  张雅琇 ,  张慧芳 ,  王楚涵 ,  赵参参 ,  王世杰 ,  马骁 ,  薛辉 ,  陈泽 ,  赵建利 ,  刘良帅

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于元学习的多源干扰光伏组件缺陷多尺度鲁棒识别方法，首先在多源干扰下获取尺度不一的光伏组件缺陷图像和无缺陷图像；然后，构建缺陷识别模型，缺陷识别模型包括原型向量提取器、特征提取器、显著性突出网络、重构区域提取网络和分类与回归模块；原型向量提取器用于生成类关注原型向量，特征提取器用于生成查询特征图，显著性突出网络利用类关注原型向量和查询特征图生成缺陷显著性图，重构区域提取网络利用缺陷显著性和查询特征图生成缺陷的高级感兴趣区域特征，缺陷的高级感兴趣区域特征经过分类与回归模块得到识别结果；最后，对缺陷识别模型进行训练和测试。该方法能够有效提升多源干扰下尺度不一的光伏组件缺陷的识别精度，在数据稀缺的缺陷识别中也具有较高的识别性能和鲁棒性。

公开(公告)号：CN118351105A

公开(公告)日：2024-07-16

申请号：CN202410595361.9

申请日：2024-05-14

Applicant: 河北工业大学 ,  国家电投集团河北电力有限公司 ,  石家庄东方热电热力工程有限公司 ,  国网河北省电力有限公司电力科学研究院

Inventor： 陈海永 ,  张慧芳 ,  张家萌 ,  张雅琇 ,  王楚涵 ,  赵参参 ,  马骁 ,  薛辉 ,  赵建利 ,  陈泽 ,  刘良帅

IPC: G06T7/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/09

Abstract: 本发明公开了一种基于数据分布归一化控制的缺陷检测方法，采用的缺陷检测模型基于目标检测算法构建，目标检测算法的第一个卷积层的BN层称为标准化BN层，在缺陷检测模型预训练过程中标准化BN层提取源域数据的均值和方差并保存到DDNC控制器中；利用部分目标域数据对预训练的缺陷检测模型进行优化，DDNC控制器计算目标域数据的真实均值和方差，并根据目标域数据与源域数据的分布差异反馈调节标准化BN层的可学习参数，将上一次优化的目标域数据的真实均值和方差作为下一次优化的目标域数据的预测均值和方差，对缺陷检测模型进行迭代优化，直至目标域数据与源域数据的分布对齐，得到优化后的缺陷检测模型，并将优化后的缺陷检测模型用于缺陷检测。该方法将目标域数据与源域数据映射到同一分布空间中，提高了模型的域适应能力。

公开(公告)号：CN119850691A

公开(公告)日：2025-04-18

申请号：CN202411918703.2

申请日：2024-12-25

Applicant: 河北工业大学

Inventor： 赵宏豹 ,  陈海永 ,  王泽伟 ,  倪勇 ,  曹振 ,  张家萌

IPC: G06T7/33 ,  G06T7/60 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于点云配准技术领域，具体是一种基于改进GeoTransformer的低重叠曲面点云配准方法。首先，采集点云数据，由采集的点云数据生成源点云和目标点云；然后，基于GeoTransformer构建点云配准模型，点云配准模型包括特征提取模块、高丰富度几何特征嵌入层、超点匹配模块、点匹配模块和节点导向极大团搜索配准模块；高丰富度几何特征嵌入层分别对点对的距离、角度和法线信息进行嵌入，得到距离嵌入向量、角度嵌入向量和法线嵌入向量；再对距离嵌入向量、角度嵌入向量和法线嵌入向量进行加权融合，得到点对的位置嵌入向量；所有点对的位置嵌入向量组成位置嵌入特征，进而提取最低分辨率源点云和目标点云的位置嵌入特征；节点导向极大团搜索配准模块将点对应关系建模为兼容性图。该方法提取了物体精细的几何结构，减少了误匹配，提高了低重叠点云的配准精度。

公开(公告)号：CN118506073A

公开(公告)日：2024-08-16

申请号：CN202410612911.3

申请日：2024-05-17

Applicant: 河北工业大学 ,  国家电投集团河北电力有限公司 ,  石家庄东方热电热力工程有限公司 ,  国网河北省电力有限公司电力科学研究院

Inventor： 陈海永 ,  张雅琇 ,  张慧芳 ,  张家萌 ,  张岩 ,  王楚涵 ,  赵参参 ,  马骁 ,  薛辉 ,  刘良帅 ,  赵建利 ,  陈泽

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/56 ,  G06V10/10 ,  G06V10/74 ,  G06N3/126

Abstract: 本发明公开一种基于鲁棒微小色差特征描述算子的光伏组件分类方法，使用颜色信息将光伏组件在复杂背景下分为六类，该方法首先选择不同颜色空间中具有最小结构相似性指数的最佳颜色空间，使得在小变化和复杂背景下具有一定的鲁棒性。其次，基于遗传算法的颜色量化来选择最佳量化维度，特征维数参数的优化减少了计算中直方图的大维数，提高了后续的分类性能。进一步，使用高判别特征颜色空间颜色量化后的图像进行特征表示，计算光伏组件的小局部邻域中感知均匀的色差。最后，利用扩展的堪培拉距离作为距离度量，提高分类性能。采用本发明设计分类方法，在具有非高斯性和随机性的复杂背景下，有效提高光伏电池板色差分类的效果和精度。