“马卫飞”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[实用新型]一种摩擦材料鼓式制动片自动压制生产线-CN202223436150.6有效
发明人：俞列民;俞凌杰;何星锋;刘乐一;董晓佳;马卫飞 -专利权人：杭州富春江电器厂
申请日： 2022-12-22 - 公布日： 2023-07-07 - 主分类号： B30B15/30 文献下载
摘要：本实用新型公开了一种刹车片摩擦块自动压制生产线，其特征是所述投料器工装包含底板、安装在底板上的若干投料器、安装在底板底部的限位导板以及滑动安装在限位导板与底板之间用于打开和关闭投料器的抽板；所述投料器内设有若干分隔板，通过分隔板将投料器均分为若干分隔仓。该实用新型通过在投料器内设置若干分隔板，分隔板将投料器均分成若干分隔仓，在自动称重机将原料投放到投料器内时，将原料均分投放到每一个分隔仓内，从而使整个投料器内的原料均匀分布在整个投料器内，从而再将原料投放至压机的模腔内时能够均匀投放在模腔内，从而使压制出的刹车片摩擦块整体更均匀，产品质量更好。
一种摩擦材料制动自动压制生产线

[发明专利]一种缺陷图像样本生成方法、装置及面板缺陷检测方法-CN202010275924.8有效
发明人：袁飞杨;张胜森;马卫飞 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2020-04-09 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种缺陷图像样本处理方法、装置以及面板缺陷检测方法。其中方法包括：在原始缺陷图像样本上提取缺陷特征区域，对其进行纹理抑制获取第一模拟缺陷图像；再从背景图像样本中提取与缺陷特征区域面积大小相等的ROI区域；提取背景纹理特征并将其叠加至第一模拟缺陷图像中获取第二模拟缺陷图像；最后对第二模拟缺陷图像和背景图像样本进行融合生成缺陷图像样本。本发明提出了一种模拟任意场景下合成缺陷图像样本的有效方法，通过背景纹理特征的提取与覆盖方法，使缺陷区域带有现有背景的纹理，像素分布与背景区域更接近，图像更自然；使得所生成的缺陷图像样本能满足深度学习模型训练要求，解决了训练样本不足的问题。
一种缺陷图像样本生成方法装置面板检测

[发明专利]鬼像检测方法、装置、设备及可读存储介质-CN202211057758.X有效
发明人：余梦露;吴瑞;马卫飞;汪舟;郑增强 -专利权人：武汉加特林光学仪器有限公司
申请日： 2022-08-30 - 公布日： 2022-12-13 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种鬼像检测方法、装置、设备及可读存储介质。该方法包括：对待测图像进行处理，得到二值化图像，并对二值化图像进行连通域分析，其中，待测图像为对待测光学系统针对预设对象的成像进行拍摄得到；基于连通域分析结果确定预设对象的位置及其鬼像的位置；根据预设对象的位置及其鬼像的位置计算鬼相距。通过本发明，仅需通过对待测光学系统针对预设对象的成像进行一次拍摄，即可基于拍摄得到的图像进行鬼像检测，提高了鬼像检测的便捷性以及准确性。
检测方法装置设备可读存储介质

[实用新型]一种应用于混合料的自动称重设备-CN202222322525.X有效
发明人：俞列民;俞凌杰;何星锋;刘乐一;董晓佳;马卫飞 -专利权人：杭州富春江电器厂
申请日： 2022-09-01 - 公布日： 2022-11-15 - 主分类号： B65G65/40 文献下载
摘要：本实用新型公开了一种应用于混合料的自动称重设备，包括固定框架、安装在固定框架上的秤料装置和桁架小车以及与桁架小车连接的库架；所述秤料装置包括依次安装在固定框架上的料仓、称重斗以及给料器；其特征是所述秤料装置还包括安装在固定框架上的预压机构、除尘结构以及匀料调节组件；所述预压机构包括预压驱动组件以及与预压驱动组件相连接的预压板组件；所述给料器与匀料调节组件相连接；所述桁架小车上安装有摊平机构；所述库架上安装有自动提升工装。本实用新型通过利用预压结构对分别落至料盒内的物料进行预压，从而防止多层物料进行混合，提高物料的一致性；通过利用除尘结构将落料时产生的粉尘进行吸附处理，从而保证生产环境空气清洁。
一种应用于混合自动称重设备

[发明专利]一种显示面板外观缺陷检测网络及其缺陷检测方法-CN201910270972.5有效
发明人： 马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2019-04-04 - 公布日： 2022-02-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种显示面板外观缺陷检测网络及其缺陷检测方法，包括至少两个特征提取模块、至少两个检测预测输出模块、上采样模块以及输出层，通过特征提取模块对待处理的图像进行特征提取，并输出对应位置和深度的特征映射图，通过上采样模块将不同分辨率的特征映射图，上采样至分辨率一致的特征映射图，通过检测预测输出模块，对接收的特征映射图进行层叠、卷积降维后，输出对应尺度的预测结果；通过输出层获得检测结果后进行输出。本发明不仅降低了深度学习模型对于训练样本数量的要求，且大幅降低了显示面板缺陷检测的过检率和漏检率，而且更加的鲁棒。
一种显示面板外观缺陷检测网络及其方法

[发明专利]一种显示面板缺陷检测方法-CN201910270910.4有效
发明人： 马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2019-04-04 - 公布日： 2021-09-03 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种特征提取网络及其显示面板缺陷检测方法，其中的特征提取网络，包括：输入层、特征提取层和输出层，输入层用于将待处理的图像传递至特征提取层；特征提取层，包括低层网络特征提取模块、中层网络特征提取模块、高层网络特征提取模块，其中，低层网络特征提取模块、中层网络特征提取模块、高层网络特征提取模块之间通过密集连接和递减连接的方式连接，分别用于对待处理的图像进行特征提取；输出层，用于接收特征提取层输出的特征映射图，并进行输出。本发明不仅大幅降低了显示面板缺陷检测的过检率和漏检率，并且鲁棒性更高，也降低了深度学习模型对于训练样本数量的要求。
一种显示面板缺陷检测方法

[发明专利]检测模型训练方法、装置、设备及可读存储介质-CN202110185338.9在审
发明人：郑增强;王兴刚;周瑜;冯晓帆;欧昌东;张胜森;马卫飞;王安妮;刘荣华;沈亚非;陈凯 -专利权人：武汉精测电子集团股份有限公司;武汉精立电子技术有限公司
申请日： 2021-02-10 - 公布日： 2021-06-04 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种检测模型训练方法、装置、设备及可读存储介质。该方法包括：获取图片以及所述图片上各个像素点的位置信息；基于所述图片以及所述图片上各个像素点的位置信息对神经网络进行训练，得到用于自动光学检测的检测模型。通过本发明，在通过图片训练神经网络时加入图片上各像素点的位置信息，增加了图片数据的维度，使得最终训练得到的检测模型可以结合图片特征以及图片上各像素点的位置信息实现对图片的检测，可避免因图片成像失真导致检测错误的情况发生，提高了光学自动检测的准确率。
检测模型训练方法装置设备可读存储介质

[发明专利]一种大分辨率图像的缺陷检测方法及系统-CN201811482944.1有效
发明人： 马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司
申请日： 2018-12-05 - 公布日： 2021-04-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种大分辨率图像的缺陷检测方法及系统，该方法包括以下步骤：S1：采用一定大小的滑动窗口在缺陷图像上进行横向和纵向滑动，得到若干分区图像；S2：通过基于小分辨率图像训练得到的目标检测模型对每一个分区图像进行缺陷检测，得到一个描述目标检测框的结果集合，每一个目标检测框的检测结果包括该目标检测框内所包含的缺陷类型的概率分类值；S3：依次计算结果集合中相邻的两个目标检测框之间的欧式距离，当欧式距离小于窗口融合阈值时对两个目标检测框进行融合，取概率分类值最大的目标检测框作为缺陷检测结果；本发明通过滑动切分和窗口融合的方式实现大分辨率图像的缺陷检测，不会导致微小缺陷丢失，避免造成过检或漏检。
一种分辨率图像缺陷检测方法系统

[发明专利]一种基于深度学习的目标检测方法、系统及存储介质-CN202010798762.6有效
发明人： 马卫飞;袁飞杨;张胜森 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2020-08-11 - 公布日： 2021-03-23 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于深度学习的目标检测方法、系统及存储介质。该方法中的训练包括步骤：提取训练样本的特征映射图；对所述特征映射图进行ROI区域提取，获得正矩形ROI区域的特征图像；对所述正矩形ROI区域进行坐标变换，获得对应的斜矩形ROI区域的特征图像；计算所述斜矩形ROI区域的特征图像与真实标记框的IOU值，将所述IOU值与阈值进行比较确定正样本和负样本，所述阈值为动态调整的值；将所述正样本的所述斜矩形ROI区域的特征图像转换为对应的正矩形ROI区域的特征图像；根据转换后的正矩形ROI区域的特征图像输出检测结果。本发明能够提高目标检测准确率，适用于倾斜目标的检测，尤其适用于面板缺陷检测领域。
一种基于深度学习目标检测方法系统存储介质

[发明专利]一种基于自适应亮度高程模型的消除路面阴影的方法-CN201710173817.2有效
发明人：裘国永;李丽;马卫飞 -专利权人：陕西师范大学
申请日： 2017-03-22 - 公布日： 2020-12-18 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于自适应亮度高程模型的消除路面阴影的方法，首先，采用形态学膨胀运算和高斯平滑滤波消除路面裂缝和路面纹理对于后续阴影区域划分的影响；然后，利用最大熵阈值分割求解出高斯平滑后路面影像阴影区域和非阴影区域的划分阈值，以此实现划分阈值的自适应确定。最后，基于改进的亮度等高区域划分模型和亮度补偿方法实现路面阴影的消除；该基于自适应亮度高程模型的消除路面阴影方法不仅有效的解决了GSR方法关键参数需要手动设置，亮度等高区域的划分和亮度补偿方法存在的缺陷的问题，而且还在一定程度上增强了路面纹理和路面裂缝的对比度，达到了路面阴影消除的目的。
一种基于自适应亮度高程模型消除路面阴影方法

[发明专利]一种用于桥梁裂缝检测定位的图像数据集人工扩增方法-CN201710025362.X有效
发明人：李良福;马卫飞;李丽;张玉霞 -专利权人：陕西师范大学
申请日： 2017-01-13 - 公布日： 2020-01-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于桥梁裂缝检测定位的图像数据集人工扩增方法,包括以下步骤:1).将图像归一化为1024*1024分辨率的图片；2).使用固定窗口在图片上滑动并切片；3).将切片作为一个ROI图片,构建RGB数据集；4).将RGB数据集进行挑选标记；5).对挑选标记后的RGB数据集进行分类。本发明的用于桥梁裂缝检测的图像数据集人工扩增方法,是基于窗口滑动算法进行的,首先将大量的1024*1024分辨率的桥梁裂缝图片切分成16*16像素的图片,然后将16*16像素的图片构成RGB数据集,最后将RGB数据集挑选标记后分成训练集和验证集,因此，本发明的数据集人工扩增方法简单、易操作并且数据集扩增速度快。
一种用于桥梁裂缝检测图像数据人工扩增方法

[发明专利]一种基于CNN深度学习的桥梁裂缝检测定位方法-CN201710025361.5有效
发明人：李良福;马卫飞;李丽;张玉霞 -专利权人：陕西师范大学
申请日： 2017-01-13 - 公布日： 2019-12-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CNN深度学习的桥梁裂缝检测定位方法,该方法首先利用窗口滑动算法将桥梁图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像；同时,根据基于卷积神经网络(CNN)的DBCC分类模型,对桥梁背景面元图像和桥梁裂缝面元图像进行识别；然后,结合窗口滑动算法在整幅桥梁裂缝图像上进行桥梁裂缝的检测定位；最后,采用图像金字塔和ROI区域相结合的搜索策略对算法进行加速。与传统的裂缝检测定位方法相比,本发明提出的桥梁裂缝检测定位方法不仅具有更好的检测效果和更强的泛化能力,而且本发明的检测定位方法是直接基于彩色图像进行的,这也是传统的裂缝检测定位方法所不具备的特点。
一种基于 cnn 深度学习桥梁裂缝检测定位方法

[发明专利]显示屏缺陷检测网络模型、方法、装置、电子设备及存储介质-CN201910745602.2在审
发明人： 马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2019-08-13 - 公布日： 2019-12-20 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及一种显示屏缺陷检测网络模型、方法、装置、电子设备及存储介质。其中该模型包括：用于提取图像特征的骨干特征提取网络模型和用于根据图像特征获取显示屏缺陷信息的检测模型，所述骨干特征提取网络模型包括传递方向连接的低层网络特征提取模块、中层网络特征提取模块和高层网络特征提取模块，其中中层网络特征提取模块、高层网络特征提取模块向后传递的特征映射图数量是按照S倍率递减的方式传递。该技术方案适用于显示屏面板缺陷检测，准确率高。
提取模块网络模型网络特征特征提取模块高层网络缺陷检测特征提取传递显示屏中层提取图像特征图像特征获取显示屏面板存储介质电子设备缺陷信息映射图准确率低层向后递减检测申请

[发明专利]一种用于显示面板大面积缺陷分类的网络模型及方法-CN201811437120.2在审
发明人： 马卫飞;张胜森;郑增强;余飞;吴川 -专利权人：武汉精立电子技术有限公司
申请日： 2018-11-28 - 公布日： 2019-04-05 - 主分类号： G06K9/62 文献下载
摘要：本发明属于显示面板自动化检测技术领域，公开了一种用于显示面板大面积缺陷分类的网络模型及方法，网络模型包括一层输入层、七层卷积层、两层全连接层及一层输出层；输入层采用大分辨率，七层卷积层中的第一至第五层采用大尺寸的卷积核；基于该网络模型提供的大面积缺陷分类方法，(1)将缺陷图像归一化为与网络模型输入层分辨率匹配的样本；(2)将样本分为训练集、验证集、测试集，对集合中的样本按照缺陷类型进行分类；(3)用训练集对网络模型进行训练，并用验证集进行验证得到分类模型；(4)利用分类模型对测试集中的样本进行分类；有效解决了现有方法不能进行大面积缺陷图像分类的问题，极大的提高了大面积缺陷图像分类识别的准确率。
网络模型样本缺陷分类缺陷图像显示面板输入层分类模型训练集验证集卷积分类自动化检测技术大分辨率分类识别缺陷类型有效解决测试集分辨率卷积核连接层输出层准确率两层匹配集合并用验证测试

[发明专利]一种基于CNN深度学习的DBCC分类模型构建方法-CN201710025117.9有效
发明人：李良福;马卫飞;李丽;张玉霞 -专利权人：陕西师范大学
申请日： 2017-01-13 - 公布日： 2019-01-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CNN深度学习的DBCC分类模型及构建方法,DBCC分类模型包括4层卷积层、3层池化层和2层全连接层,该DBCC分类模型采用softmax loss函数作为损失函数,第一卷积层、第四卷积层、第二池化层、第三池化层、第一全连接层后面各添加了一个激活函数(RELU),并且,在第一卷积层后面添加局部响应值归一化层LRN,在第一全连接层后面添加dropout层。本发明的DBCC分类模型是基于卷积神经网络CNN而构建的,通过在每个卷积层中使用更多的卷积核以及添加LRN、使用dropout、加深网络深度,使得该DBCC分类模型在识别16*16pixel分辨率的小图片时,识别精度更高。
一种基于 cnn 深度学习 dbcc 分类模型构建方法

1
2
下一页»
尾页
共 16 条