公开(公告)号：CN115393601A

公开(公告)日：2022-11-25

申请号：CN202210544771.1

申请日：2022-05-19

Applicant: 湖南大学

Inventor： 张辉 ,  车爱博 ,  刘立柱 ,  曹意宏 ,  缪志强 ,  钟杭 ,  毛建旭 ,  王耀南

IPC: G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于点云数据的三维目标检测方法，其主要由稀疏卷积模块提取三维点云的稀疏特征，再由空间语义特征提取模块分别提取检测对象的空间特征和语义特征，通过基于注意力机制的多尺度特征融合模块对空间特征和语义特征进行融合进而输出融合后的特征进行特征预测，最后通过多任务检测头预测模块输出最终的检测框。本方法提出的基于注意力机制的双特征融合模块对于解决遮挡程度高检测难度大的目标具有明显的检测精度方面的提升，大大提高了目标检测的准确性。

公开(公告)号：CN112967271B

公开(公告)日：2022-04-19

申请号：CN202110317123.8

申请日：2021-03-25

Applicant: 湖南大学 ,  长沙理工大学

Inventor： 张辉 ,  车爱博 ,  王可 ,  李晨 ,  刘理 ,  陈煜嵘 ,  王耀南 ,  缪志强

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。

公开(公告)号：CN112967271A

公开(公告)日：2021-06-15

申请号：CN202110317123.8

申请日：2021-03-25

Applicant: 湖南大学 ,  长沙理工大学

Inventor： 张辉 ,  车爱博 ,  王可 ,  李晨 ,  刘理 ,  陈煜嵘 ,  王耀南 ,  缪志强

IPC: G06T7/00 ,  G06K9/32 ,  G06K9/34 ,  G06N3/04

Abstract: 本发明提供了一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。