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1167668个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于机器视觉的布匹缺陷检测评分方法-CN202310492221.4在审
  • 蔡丹;林怀周;贾海滨;孙立贤;徐芬;邹勇进;向翠丽 - 桂林电子科技大学
  • 2023-05-04 - 2023-08-15 - G01N21/88
  • 本发明公开了一种基于机器视觉的布匹缺陷检测评分方法,通过以下6个步骤实现:1、图像采集;2、缺陷检测;3、缺陷标注;4、缺陷分析;5、综合评分;6、返回评分及后续处理。相对于现有技术,本发明解决了以下问题:1、解决了图像采集过程中细节丢失问题严重的问题,即使用彩色工业相机进行视频流图像采集和后处理;2、解决了现有缺陷标注难以实时且易重复标注的问题,即通过人工智能技术实现缺陷自动化的非重复标注;3、解决了传统布匹缺陷评估受评估者的主观因素影响过大的问题,提出了基于布匹缺陷种类、大小、横纵走向、缺陷置信度的综合评分标准,并设置可接受的正常布匹评分阈值,使缺陷评分标准化。
  • 一种基于机器视觉布匹缺陷检测评分方法
  • [发明专利]晶圆缺陷检测方法、装置、电子设备及存储介质-CN202310527795.0在审
  • 张元;陈斌;王君逸;杨权 - 哈尔滨工业大学重庆研究院;哈尔滨工业大学(深圳)
  • 2023-05-11 - 2023-08-15 - G06T7/00
  • 本申请提供一种晶圆缺陷检测方法、装置、电子设备及存储介质。方法包括:获取通过相机拍摄晶圆得到的相机图像;对相机图像进行预处理,得到待检图像;将待检图像输入预设缺陷检测模型,得到表征晶粒是否存在缺陷的检测结果;当检测结果为晶粒存在缺陷时,从预设缺陷检测模型检测待检图像过程中提取的特征图中,分割得到表征缺陷区域的子特征图,并从预设缺陷检测模型检测待检图像过程中生成的异常得分热力图中,分割得到表征缺陷区域的注意力图;将子特征图和注意力图输入预设分类器,得到表征缺陷类别的分类结果。如此,可以改善传统晶圆检测中,海量异常样本难采集、异常检测无法适应晶圆工艺正常变化以及缺乏缺陷类别信息的问题。
  • 缺陷检测方法装置电子设备存储介质
  • [发明专利]一种面向交通设施巡检的视觉缺陷在线检测方法-CN202210001738.4在审
  • 孙正兴;张胜;朱毅欢;张巍 - 南京大学
  • 2022-01-04 - 2022-05-27 - G06T7/00
  • 本发明公开了一种面向交通设施巡检的视觉缺陷在线检测方法,包括离线训练和在线巡检两部分。离线训练时采用带有包围框和类别标注的缺陷数据集作为训练数据,训练CrackDet检测模型,结合深度学习算法和传统算法的优势;同时裁剪出不同种类的缺陷图像块,使用度量学习模型进行训练。在线巡检时,对于输入的视频帧,使用检测模型检测得到缺陷类别和位置;使用卡尔曼滤波器计算检测框的运动特征;使用度量学习模型计算缺陷的外观特征;对检测到的缺陷进行跟踪并统计;根据跟踪轨迹中检测得到的类别进行投票确定其缺陷种类;最终实现在线巡检,得到交通设施巡检时所出现的缺陷的种类、大小、位置以及数量。
  • 一种面向交通设施巡检视觉缺陷在线检测方法
  • [发明专利]一种基于微小缺陷YOLO网络的钢板表面缺陷检测方法-CN202210378296.5在审
  • 周友行;潘恒;杨沛;翟明龙 - 湘潭大学
  • 2022-04-12 - 2022-10-18 - G06T7/00
  • 本发明提供了一种基于针对微小缺陷YOLO网络的钢板表面缺陷检测方法,该方法包括以下步骤:S1建立表面缺陷钢板数据集(包含训练集、测试集、验证集),S2对所建立的数据集进行数据分类,使用迁移学习对该训练集进行训练,得到训练模型,使用训练后的模型对待检测缺陷进行分类检测,保留数据结果。S3改进YOLO网络,增加小目标检测层并在检测后期采用DIOU_NMS(非极大值抑制),在保证检测效率同时加强微小缺陷检测。本发明的一种基于微小缺陷YOLO网络的钢板表面缺陷检测方法与传统检测方法相比较,实验对比得出:改进后检测精度更高,速度更快,网络结构精简,尤其是对微小缺陷检测更准确。
  • 一种基于微小缺陷yolo网络钢板表面检测方法
  • [发明专利]基于改进CycleGAN的钢材表面缺陷图像数据增强方法-CN202310897789.4在审
  • 张付祥;徐兆洋 - 河北科技大学
  • 2023-07-21 - 2023-10-13 - G06V10/774
  • 基于改进CycleGAN的钢材表面缺陷图像数据增强方法,用于对现有钢材表面缺陷数据集进行样本扩增和数据增强,包括如下步骤:(1)获取单类钢材表面缺陷图像;(2)采用传统算法进行样本扩增;(3)图像预处理;(4)建立单类钢材表面缺陷图像数据集;(5)搭建CycleGAN网络结构模型;(6)改进CycleGAN网络结构模型;(7)生成双类缺陷的钢材表面图像数据;(8)生成多类缺陷的钢材表面图像数据。该方法可以高效且鲁棒地对现有钢材表面缺陷数据集进行样本扩增和数据增强,增加训练样本的多样性,进而提高目标检测网络的泛化性能和鲁棒性,为最终建立钢材表面缺陷自动检测与分级系统奠定技术基础。
  • 基于改进cyclegan钢材表面缺陷图像数据增强方法

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