-
公开(公告)号：CN114972882B
公开(公告)日：2024-03-01
申请号：CN202210689847.X
申请日：2022-06-17
申请人： 西安交通大学
IPC分类号： G06V10/764 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于多注意力机制的磨损表面损伤深度估计方法及系统，以ResNet‑50编码层中的四层卷积块为主干，结合两层Conv‑ReLU的卷积块构建磨损表面基础特征提取层；将损伤区域分割分支网络及深度信息估计分支网络融合作为磨损表面深度估计模型；通过加权方式得到磨损表面深度估计模型的损失函数；选择具有典型损伤区域的磨损表面图像作为训练样本，以损失函数作为优化目标，采用适应性矩估计法训练磨损表面深度估计模型，将单张磨损表面图像输入磨损表面深度估计模型，得到磨损表面的损伤区域分割结果图及深度信息结果图。本发明有效实现从单张磨损表面图像估计三维深度信息，解决磨损表面分析技术领域中深度信息获取难度大，效率低，复杂度高的问题。
-
公开(公告)号：CN115761148A
公开(公告)日：2023-03-07
申请号：CN202211654274.3
申请日：2022-12-22
申请人： 西安交通大学
IPC分类号： G06T17/00
摘要： 本发明涉及机器磨损状态监测技术领域，具体涉及一种联合低频形状和高频法向量的形貌重建方法。该方法包括以下步骤：通过聚焦度量和帧位移估计获取磨损表面点的最清晰成像帧数及对应高度，生成磨损表面待测区域的低频形状特征；基于不同聚焦区域的光度图像序列，建立大高度落差磨损表面的法向量计算模型，评估聚焦区域以聚合多个法向量，实现整个表面磨损特征的清晰描述；基于所述低频形状特征和聚合后所述法向量，实现磨损表面的三维形貌重建。本发明引入低频形状特征对抗重建形貌的翘曲变形，并融合不同聚焦区域的法向量实现大高度落差表面精细特征的准确描述，进而提高磨损表面微观形貌的重建精度。
-
公开(公告)号：CN108305259B
公开(公告)日：2020-03-24
申请号：CN201810118514.5
申请日：2018-02-06
申请人： 西安交通大学
摘要： 一种多纹理特征融合的磨粒类型自动识别方法，首先针对磨粒图像中出现的深色、浅色以及混合色的磨粒采用颜色空间坐标转化的方法，对比分析RGB和HSV颜色空间下磨粒图片，结合自适应阈值法、八连通域算法以及形态学处理技术对磨粒进行分割，将磨粒与背景进行分离，提取出目标磨粒并对比不同颜色空间分量下所分割出来的磨粒图像，选择分割效果最好的作为所研究的目标磨粒图像；选择两种不同表征方式的纹理特征参数，利用主成分分析法融合两种纹理特征参数，得到综合纹理特征参数作为神经网络模型的输入向量，从而实现严重滑动磨粒和疲劳磨粒的自动识别；本发明解决了磨粒分析领域多种颜色磨粒分割困难以及严重滑动磨粒与疲劳磨粒识别精度不高的问题。
-
公开(公告)号：CN108446706A
公开(公告)日：2018-08-24
申请号：CN201810162476.3
申请日：2018-02-27
申请人： 西安交通大学
摘要： 一种基于颜色主分量提取的磨粒材质自动识别方法，其特征在于，步骤一：根据各种材质本身的颜色及其各级回火温度下的回火颜色，构建材质标准颜色样本库；步骤二：利用区域标记联通算法求出RGB图像灰度化后的图像、S分量磨粒图像、V分量磨粒图像所对应的三幅分割后的磨粒图像的磨粒面积，保留各自图像中最大的磨粒，对比三幅图像选出其中磨粒面积最大的磨粒图像；步骤三：利用K-Mean聚类提取所分割出的磨粒图像主颜色；步骤四：利用基于欧式距离的最小距离分类法求取所提取的磨粒图片主颜色与标准颜色样本的距离，实现磨粒材质的自动识别。本发明将磨粒加热分析法与图像处理技术相结合，基于K-Mean聚类和欧式距离的最小距离分类法，实现了常见磨粒材质的自动识别。
-
公开(公告)号：CN108305259A
公开(公告)日：2018-07-20
申请号：CN201810118514.5
申请日：2018-02-06
申请人： 西安交通大学
摘要： 一种多纹理特征融合的磨粒类型自动识别方法，首先针对磨粒图像中出现的深色、浅色以及混合色的磨粒采用颜色空间坐标转化的方法，对比分析RGB和HSV颜色空间下磨粒图片，结合自适应阈值法、八连通域算法以及形态学处理技术对磨粒进行分割，将磨粒与背景进行分离，提取出目标磨粒并对比不同颜色空间分量下所分割出来的磨粒图像，选择分割效果最好的作为所研究的目标磨粒图像；选择两种不同表征方式的纹理特征参数，利用主成分分析法融合两种纹理特征参数，得到综合纹理特征参数作为神经网络模型的输入向量，从而实现严重滑动磨粒和疲劳磨粒的自动识别；本发明解决了磨粒分析领域多种颜色磨粒分割困难以及严重滑动磨粒与疲劳磨粒识别精度不高的问题。
-
公开(公告)号：CN116385520A
公开(公告)日：2023-07-04
申请号：CN202310352849.4
申请日：2023-04-04
申请人： 西安交通大学
IPC分类号： G06T7/593 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种融合全光源图像的磨损表面形貌光度立体重建方法及系统，基于深度学习算法从光度立体输入中估计磨损表面法向，并使用打开所有光源拍摄的全光源图像为表面重建提供先验深度及其不确定性的估计，依据不确定性和几何约束将表面法向和先验深度进行逐像素融合，融合特征和先验深度进一步通过网络直接生成表面深度图，进而得到磨损表面三维形貌；整个网络模型由所设计的总损失函数和所构建的磨损表面合成数据集进行训练，并应用于实际磨损表面形貌重建；本发明在无需增加装置的情况下，通过引入全光源图像为光度立体方法重建磨损表面形貌提供先验深度信息，改善了非朗伯效应导致的重建磨损形貌翘曲失真问题，提高了三维重建精度。
-
公开(公告)号：CN114972882A
公开(公告)日：2022-08-30
申请号：CN202210689847.X
申请日：2022-06-17
申请人： 西安交通大学
IPC分类号： G06V10/764 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于多注意力机制的磨损表面损伤深度估计方法及系统，以ResNet‑50编码层中的四层卷积块为主干，结合两层Conv‑ReLU的卷积块构建磨损表面基础特征提取层；将损伤区域分割分支网络及深度信息估计分支网络融合作为磨损表面深度估计模型；通过加权方式得到磨损表面深度估计模型的损失函数；选择具有典型损伤区域的磨损表面图像作为训练样本，以损失函数作为优化目标，采用适应性矩估计法训练磨损表面深度估计模型，将单张磨损表面图像输入磨损表面深度估计模型，得到磨损表面的损伤区域分割结果图及深度信息结果图。本发明有效实现从单张磨损表面图像估计三维深度信息，解决磨损表面分析技术领域中深度信息获取难度大，效率低，复杂度高的问题。
-
公开(公告)号：CN108446706B
公开(公告)日：2021-01-19
申请号：CN201810162476.3
申请日：2018-02-27
申请人： 西安交通大学
摘要： 一种基于颜色主分量提取的磨粒材质自动识别方法，其特征在于，步骤一：根据各种材质本身的颜色及其各级回火温度下的回火颜色，构建材质标准颜色样本库；步骤二：利用区域标记联通算法求出RGB图像灰度化后的图像、S分量磨粒图像、V分量磨粒图像所对应的三幅分割后的磨粒图像的磨粒面积，保留各自图像中最大的磨粒，对比三幅图像选出其中磨粒面积最大的磨粒图像；步骤三：利用K‑Mean聚类提取所分割出的磨粒图像主颜色；步骤四：利用基于欧式距离的最小距离分类法求取所提取的磨粒图片主颜色与标准颜色样本的距离，实现磨粒材质的自动识别。本发明将磨粒加热分析法与图像处理技术相结合，基于K‑Mean聚类和欧式距离的最小距离分类法，实现了常见磨粒材质的自动识别。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.026 秒)
