专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果225个,建议您升级VIP下载更多相关专利
  • [发明专利]一种圆跳动检测装置-CN202310792112.4在审
  • 许桢英 - 华思特智能科技(苏州)有限公司
  • 2023-06-30 - 2023-10-03 - G01B11/00
  • 本发明公开了一种圆跳动检测装置,包括底座,底座上固定安装有TM相机,底座上开设有滑槽,滑槽内部滑动连接有支撑定位机构,支持定位机构上连接有第一安装板,第一安装板上安装有电动伸缩杆,电动伸缩杆上连接有第二连接板,第二连接板上连接有第一连接板,第一连接板上连接有第三连接板,第三连接板上贯穿设有第一转轴,第一转轴上连接有压轮,第一连接板上连接有电机,电机与第一转轴相连接,通过将棒材支撑固定由轮辐接触改为两组点接触,棒材的转动由一组可以上下活动软胶压轮带动,圆跳动的检测为一组基恩士TM相机(相机自身精度±0.01um),棒材在TM相机检测范围内转动,TM相机将棒材的圆跳动实时反馈出来,这样能更好的提高其检测的精准度。
  • 一种跳动检测装置
  • [发明专利]一种基于多特征和尺度估计的PCB板标识跟踪方法-CN201910288751.0有效
  • 许桢英;冷凯;包金叶;顾君兰;邹荣;王匀 - 江苏大学
  • 2019-04-11 - 2023-08-22 - G06V10/22
  • 本发明提供一种基于多特征和尺度估计的PCB板标识跟踪方法,包括以下步骤:采集传送带上PCB板的图像;利用循环矩阵构造样本,利用图像增强原理对样本的灰度特征进行灰度增强,提取HOG特征和CN特征,根据两特征来训练分类器;通过分类器计算下一帧中待检测样本的响应值,响应值最大的位置则为目标位置;由于尺度变化是影响跟踪准确性及鲁棒性的主要因素,对此,将基于目标尺度设计一个尺度滤波器,进行尺度估计;基于当前帧,更新分类器及尺度估计模型。本发明基于目标跟踪,结合多特征和尺度自适应原则,对多尺度目标进行跟踪,既提高了工业生产中插装异构电子元器件的效率,又提升了目标跟踪的鲁棒性。
  • 一种基于特征尺度估计pcb标识跟踪方法
  • [发明专利]一种基于改进SSD算法的电池片EL缺陷检测方法-CN201911106310.0有效
  • 武子乾;樊薇;许桢英 - 江苏大学
  • 2019-11-13 - 2023-08-22 - G06T7/00
  • 本发明提供一种基于改进SSD算法的电池片EL缺陷检测方法,电池片(EL)缺陷检测是机器视觉的重要应用方向之一,传统的基于人工的视觉检测精度低、耗时长。为了提高电池片多类缺陷的识别率,本发明提出了一种基于SSD的深度学习算法。我们建立了EL缺陷数据集,该数据集由870张1536×1536像素图像的四类缺陷组成。通过旋转,去噪来扩充和改善数据集,并基于该数据集对SSD进行了修改、训练和测试。结果表明SSD算法对EL缺陷的检测更加简单、快速、准确,说明该方法对EL缺陷检测的优越性。
  • 一种基于改进ssd算法电池el缺陷检测方法
  • [发明专利]一种基于稀疏表示的激光焊接成型缺陷预测分类的方法-CN201910288591.X有效
  • 许桢英;周渊;王荣;亚姆巴;邹荣;王匀 - 江苏大学
  • 2019-04-11 - 2023-07-18 - G06V10/774
  • 本发明公开了一种基于稀疏表示的激光焊接成型缺陷预测分类的方法,本发明方法包括:激光焊接熔池几何特征参数的视觉检测和稀疏表示焊接成型缺陷预测分类的方法。本发明通过利用高速CMOS摄像装置与计算机图像处理系统进行焊接成型缺陷预测分类。第一步,利用高速CMOS视觉传感器配合相应减光滤波片进行熔池图像采集,经工业计算机获取熔池特征参数并处理分析,得出熔池特征信息与焊接成型质量的关系。第二步,利用稀疏表示对熔池参数信息建模处理进行熔池成型缺陷的预测分类。通过实验表明,该方法能够根据熔池几何特征与焊缝成型质量间的关系,准确实现焊接缺陷的预测分类,为实现对激光焊接进行在线监测提供了基础。
  • 一种基于稀疏表示激光焊接成型缺陷预测分类方法
  • [发明专利]一种随形焊缝清理打磨设备及方法-CN202310275296.7在审
  • 朱开心;王匀;许桢英;刘为力;刘宏;于超;潘帅兴;林欣;张学超 - 江苏大学
  • 2023-03-20 - 2023-06-09 - B24B21/00
  • 本发明公开种随形焊缝清理打磨设备及方法,空气压缩机的出气口通过气管与高压气罐的进气口相连,高压气罐出气口经换向阀连接高压喷嘴,电机输出轴连接主动皮带轮,主动皮带轮的下方设置两个气缸和两个从动皮带轮,每个气缸下端输出端各固定连接一个从动皮带轮,每个气缸缸体上端分别各固定连接一个悬臂下端,两个悬臂上端共同铰接在同一个铰链上,环形封闭的磨削带同时固定绕在主动皮带轮和两个从动皮带轮上;对工件的凹凸曲面打磨时,当气压传感器检测到气缸内的气压变化,高压气罐向气缸内进行充放气,使气缸内气压维持在预设气压,保证气缸对从动皮带轮输出的压力恒定,磨削带对凹凸曲面紧贴程度一致,实现对焊缝焊渣的恒力随形打磨。
  • 一种焊缝清理打磨设备方法
  • [发明专利]一种基于深度学习的智能金相检测评级方法及系统-CN201911076264.4有效
  • 许桢英;包金叶;张奕坚;武子乾 - 江苏大学
  • 2019-11-06 - 2023-05-12 - G06V20/69
  • 本发明提供一种基于深度学习的智能金相检测评级方法及系统,包括以下步骤:采集金属样片图像;在U‑net全卷积神经网络的基础上进行改进,得到改进后的全卷积神经网络的构建;通过改进的全卷积神经网络对所采集的金属样片图像进行自动分割,得到金相分割图;通过深度神经网络对得到的金相分割图进行自动评级分类;本发明采用深度学习的算法,在U‑net全卷积神经网络的基础上进行改进,避免了传统图像手工提取特征的繁琐和不稳定,同时基于梯度下降法的参数优化提高了提取特征适用性;本发明基于深度神经网络,大大提高了系统计算时间,避免了繁琐的分类计算;本发明分割和分类正确率高、且一键融合分割和评级,避免了传统方法的多步骤操作,灵活便捷。
  • 一种基于深度学习智能金相检测评级方法系统
  • [发明专利]一种树脂镜片缺陷检测装置及方法-CN202211411880.2在审
  • 许桢英;杨钰峂;王匀;韩丽玲;王耀锋;潘扬杰 - 江苏大学
  • 2022-11-11 - 2023-03-21 - G01N21/88
  • 本发明提供了一种树脂镜片缺陷检测装置及方法,包括表面缺陷检测圆盘、表面缺陷检测装置、剔除装置送料机、内部缺陷检测固定装置、内部缺陷检测装置、电动导轨、真空吸盘和控制单元,本发明首先用表面缺陷检测装置对树脂镜片进行表面缺陷检测,将定级不符合要求的树脂镜片进行剔除,再用内部缺陷检测装置对定级符合要求的的树脂镜片进行二次检测,二次检测中对树脂镜片进行图像拍摄获取两张数值镜片图像,再获取表面缺陷图像,再通过消除表面缺陷的图像与原始缺陷图像对比,获取精准的树脂镜片内部缺陷。
  • 一种树脂镜片缺陷检测装置方法
  • [发明专利]一种基于多元仿射变换EWMA的过程质量控制方法和系统-CN202211325773.8在审
  • 李林航;许桢英;王匀;樊薇;韩丽玲 - 江苏大学
  • 2022-10-27 - 2023-01-31 - G06Q10/063
  • 本发明提供一种基于多元仿射变换EWMA的过程质量控制方法和系统,包括以下步骤:在工业过程质量控制中,先把监测到的过程数据进行特征提取得到多元特征数据,再进行归一化操作;构建目标函数,导入历史多元特征数据用梯度下降方法训练得到最优多变量中心和仿射变换矩阵使用;将所获取的多元特征数据进行仿射变换,其中仿射变换的参数为最优多变量中心和仿射变换矩阵;计算仿射变换后的数据到原点的第二范数的加权距离,然后使用Mann‑Whitney秩和检验计算秩统计量,再计算历史数据仿射变换后的期望和方差把秩统计量标准化;基于得到的标准化秩统计量,使用EWMA的方法构建控制图,计算控制限。该方法有着更好的鲁棒性和有效性,对异常数据十分敏感且误报率低。
  • 一种基于多元变换ewma过程质量控制方法系统
  • [发明专利]一种基于对抗式生成网络的太阳能电池缺陷检测方法-CN202211037687.7在审
  • 许桢英;刘清华;王匀;陶宇成;韩丽玲 - 江苏大学
  • 2022-08-26 - 2022-12-13 - G06T7/00
  • 本发明提供了一种基于对抗式生成网络的太阳能电池缺陷检测方法,包括以下步骤:步骤S1、获取太阳能电池板图像数据,并根据图像是否有缺陷划分为源域和目标域;步骤S2、对图像数据进行数据增强;步骤S3、形成对抗式生成网络;步骤S4、输入源域中的图像,对对抗式生成网络进行对抗训练,并生成与输入图像除缺陷外都相同的无缺陷图像;步骤S5、对比输入图像与生成的与输入图像除缺陷外都相同的无缺陷图像,进行缺陷定位。本申请利用缺陷样本图像引导网络模型训练,生成新的修复样本图像,尽可能与缺陷样本图像相似,通过对比原始图像与修复图像的特征差异,实现太阳能电池缺陷位置定位。
  • 一种基于对抗生成网络太阳能电池缺陷检测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top