-
公开(公告)号：CN112534470B
公开(公告)日：2024-07-12
申请号：CN201980036372.0
申请日：2019-03-29
Applicant: 通用电气公司
Abstract: 系统（200）包括一个或多个处理器（204），一个或多个处理器（204）被配置成使用对图像帧执行的边界分析来检测如图像帧（302）的系列（300）中所描绘的涡轮组装件（230）的一个或多个转子叶片（234）的周界边缘（306）。一个或多个处理器被配置成基于在图像帧中检测到的周界边缘与参考叶片姿势（350）之间的位置偏移（354）而将图像帧的集合（400）标识为关键帧（402），使得能够检验关键帧是否有感兴趣对象，而不检验不是关键帧的图像帧。
-
公开(公告)号：CN111220582A
公开(公告)日：2020-06-02
申请号：CN201911172989.3
申请日：2019-11-26
Applicant: 通用电气公司
IPC: G01N21/64
Abstract: 一种检查系统，包括一个或多个处理器，该一个或多个处理器以紫外线(UV)设定获得其上具有荧光染料的工件的第一图像，并且以可见光设定获得工件的第二图像。通过一个或多个成像设备在相对于工件的相同位置产生第一图像和第二图像。一个或多个处理器基于一个或多个像素的光特性来识别第一图像的候选区，并且确定与第一图像的候选区处于类似地点的第二图像的对应候选区。一个或多个处理器分析两个候选区，以检测在工件的表面上的潜在缺陷以及潜在缺陷相对于工件的表面的地点。
-
公开(公告)号：CN108734283B
公开(公告)日：2023-06-09
申请号：CN201810364434.8
申请日：2018-04-20
Applicant: 通用电气公司
IPC: G06N3/063
Abstract: 本公开提供了与人工神经网络有关的系统和方法。所述系统和方法获得教师网络，所述教师网络包括人工神经层，所述教师网络配置成自动识别通过所述人工神经层检验的图像中的一个或多个物体；在所述教师网络处接收任务图像集；用所述教师网络检验所述任务图像集；识别在用所述教师网络检验所述任务图像集期间被使用的所述人工神经层的子集；基于所述任务图像集定义学生网络。所述学生网络配置成自动识别通过所述子集检验的图像中的一个或多个物体。
-
公开(公告)号：CN111272763B
公开(公告)日：2023-04-07
申请号：CN201911220932.6
申请日：2019-12-03
Applicant: 通用电气公司
Inventor： 边霄 , 阿尔皮特·杰恩 , 大卫·斯科特·迪温斯基 , 伯纳德·帕特里克·布莱 , 史蒂文斯·布沙尔 , 吉恩·菲利普·乔尼勒 , 马克·安德烈·马罗斯 , 斯蒂芬尼·哈雷尔 , 约翰·卡里吉亚尼斯
IPC: G01N21/88
Abstract: 一种检查系统，包括一个或多个成像装置和一个或多个处理器。成像装置在相对于工件的第一位置处产生工件的第一组的图像，并且在相对于工件的第二位置处产生工件的第二组的图像。使用不同的光设定获取第一组和第二组中的至少一些图像。处理器分析第一组的图像以产生与第一位置相关的第一预测图像，并且分析第二组的图像以产生与第二位置相关的第二预测图像。第一预测图像和第二预测图像包括相应的候选区。处理器合并第一预测图像和第二预测图像以检测在至少一个候选区中描绘的工件中的至少一个预测缺陷。
-
公开(公告)号：CN111272763A
公开(公告)日：2020-06-12
申请号：CN201911220932.6
申请日：2019-12-03
Applicant: 通用电气公司
Inventor： 边霄 , 阿尔皮特·杰恩 , 大卫·斯科特·迪温斯基 , 伯纳德·帕特里克·布莱 , 史蒂文斯·布沙尔 , 吉恩·菲利普·乔尼勒 , 马克·安德烈·马罗斯 , 斯蒂芬尼·哈雷尔 , 约翰·卡里吉亚尼斯
IPC: G01N21/88
Abstract: 一种检查系统，包括一个或多个成像装置和一个或多个处理器。成像装置在相对于工件的第一位置处产生工件的第一组的图像，并且在相对于工件的第二位置处产生工件的第二组的图像。使用不同的光设定获取第一组和第二组中的至少一些图像。处理器分析第一组的图像以产生与第一位置相关的第一预测图像，并且分析第二组的图像以产生与第二位置相关的第二预测图像。第一预测图像和第二预测图像包括相应的候选区。处理器合并第一预测图像和第二预测图像以检测在至少一个候选区中描绘的工件中的至少一个预测缺陷。
-
Patent Agency Ranking
公开(公告)号：CN108694712B
公开(公告)日：2022-12-13
申请号：CN201810293560.9
申请日：2018-04-03
Applicant: 通用电气公司
Abstract: 本公开提供了一种生成式对抗网络(GAN)系统，包括：生成器子网络，所述生成器子网络被配置成检验设备的一个或多个实际损坏图像。所述生成器子网络还被配置成基于被检验的所述一个或多个实际损坏图像创建一个或多个潜在损坏图像。所述GAN系统还包括鉴别器子网络，所述鉴别器子网络被配置成检验所述一个或多个潜在损坏图像，以确定所述一个或多个潜在损坏图像是否代表所述设备的实际损坏的发展。
-
公开(公告)号：CN108932711B
公开(公告)日：2022-01-14
申请号：CN201810492159.8
申请日：2018-05-21
Applicant: 通用电气公司
Abstract: 公开一种方法和系统，所述方法包括经由旋转的目标物体的多个绕转而获得所述目标物体的一系列图像。所述方法包括将所述图像分组成多个不同图像集合。所述不同集合中的每一个中的图像描绘所述目标物体的共用部分。在所述目标物体的不同绕转期间获得每一集合中的所述图像中的至少一些。所述方法进一步包括使用人工神经网络来检验所述多个图像集合中的至少第一集合中的图像以供通过所述人工神经网络对所关注物体进行自动辨识。
-
公开(公告)号：CN112534470A
公开(公告)日：2021-03-19
申请号：CN201980036372.0
申请日：2019-03-29
Applicant: 通用电气公司
Abstract: 系统（200）包括一个或多个处理器（204），一个或多个处理器（204）被配置成使用对图像帧执行的边界分析来检测如图像帧（302）的系列（300）中所描绘的涡轮组装件（230）的一个或多个转子叶片（234）的周界边缘（306）。一个或多个处理器被配置成基于在图像帧中检测到的周界边缘与参考叶片姿势（350）之间的位置偏移（354）而将图像帧的集合（400）标识为关键帧（402），使得能够检验关键帧是否有感兴趣对象，而不检验不是关键帧的图像帧。
-
公开(公告)号：CN108694712A
公开(公告)日：2018-10-23
申请号：CN201810293560.9
申请日：2018-04-03
Applicant: 通用电气公司
IPC: G06T7/00
CPC classification number: G06K9/00973 , G06K9/00771 , G06K9/6284 , G06K9/6296 , G06N3/0454 , G06T2207/20081 , G06T2207/20084 , G06T2207/30164 , G06T7/0004
Abstract: 本公开提供了一种生成式对抗网络(GAN)系统，包括：生成器子网络，所述生成器子网络被配置成检验设备的一个或多个实际损坏图像。所述生成器子网络还被配置成基于被检验的所述一个或多个实际损坏图像创建一个或多个潜在损坏图像。所述GAN系统还包括鉴别器子网络，所述鉴别器子网络被配置成检验所述一个或多个潜在损坏图像，以确定所述一个或多个潜在损坏图像是否代表所述设备的实际损坏的发展。
-
公开(公告)号：CN111951338A
公开(公告)日：2020-11-17
申请号：CN201910412867.0
申请日：2019-05-17
Applicant: 通用电气公司
Inventor： 王维 , 文珑银 , 边霄 , 阿尔布特·耆那教 , 戴维·斯科特·迪温斯基 , 伯纳德·帕特里克·贝威莱
IPC: G06T7/80
Abstract: 系统包括管道镜和至少一个处理器。管道镜包括相机，该相机被配置为获取至少一个目标部件的获取系列帧。至少一个处理器可操作地联接到相机，并且被配置为从相机获取该获取系列帧；确定每个帧的模糊度量值；选择满足模糊度量值的阈值的帧以形成检查系列帧；并且使用检查系列帧对至少一个目标部件进行检查分析。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
