“缺陷类别”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果369559个，建议您升级VIP下载更多相关专利

[发明专利]基于视频帧聚类的管网缺陷智能识别方法及装置、介质-CN202210566909.8在审
发明人：周政瀚;罗标;肖淼文;张雪;侯智焱 -专利权人：成都理工大学
申请日： 2022-05-24 - 公布日： 2022-06-21 - 主分类号： G06T7/00 文献下载
摘要：基于视频帧聚类的管网缺陷智能识别方法及装置、介质，所述方法包括：提取视频数据中每个视频帧特征值,并生成特征值集；输入视频帧特征值集并预设阈值，划分为第一个类别并将视频帧特征集中的第一个视频帧特征值划分为第一类质心，并将之后每个视频帧特征值有序的与已有i类别的质心计算欧式距离并与预设阈值比较进而将它归属于已有i类别中的某一类或者划分为新的第i+1个类别并将它划分为新类别的质心；选择每个类别中距离对应质心最近的视频帧特征值作为关键帧特征值本发明不仅提高了管网缺陷自动化检测效率以及准确性，还减少了工作人员劳动强度，在管网视频缺陷检测中具有巨大的推广应用价值。
基于视频帧聚类管网缺陷智能识别方法装置介质

[发明专利]电池检测方法及电池检测设备-CN201910376415.1有效
发明人：不公告发明人 -专利权人：无锡先导智能装备股份有限公司
申请日： 2019-05-07 - 公布日： 2022-12-13 - 主分类号： G01N21/88 文献下载
摘要：本申请提供一种电池检测方法及电池检测设备，用于检测电池物料的缺陷，所述电池检测方法包括：获取所述电池物料的彩色图像；将所述彩色图像分解为多个单通道图像；根据待检测缺陷的类别选择对应的单通道图像；根据对应的单通道图像确定电池物料是否存在待检测缺陷本申请中，通过将彩色图像分解为多个单通道图像，针对电池物料的不同缺陷，通过不同的单通道图像分别进行检测，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的漏检或误检。
电池检测方法设备

[发明专利]卷烟包装卷制质量缺陷分类判定方法-CN201010516423.0无效
发明人：黄瑞;葛宗国;汤旭东;李艳芳;曹海兵;刘春来;袁伶俐;孙红梅;曹培芹;余春芝;张雪梅;沈逢云;凌必琴;戴福琴;李艳;方海峰 -专利权人：安徽中烟工业公司
申请日： 2010-10-22 - 公布日： 2011-03-30 - 主分类号： B65B19/30 文献下载
摘要：本发明公开了一种卷烟包装卷制质量缺陷分类判定方法，包括以下步骤：a)按照“缺陷代码、图片、缺陷名称、缺陷内容、缺陷类别”五项内容建立一一对应的质量缺陷分类判定体系；b)划分缺陷范围，将缺陷分为4个大项，23个子项，309个小项；c)设定缺陷代码；d)缺陷内容判定；e)划分缺陷类别，设定扣分值标准，以分值量化质量缺陷；f)统计分析缺陷总扣分，以总扣分作为该生产批次的质量评价。本发明本着适合生产需要，便于操作使用的原则，将缺陷项目逐一分类编号，制成标准质量缺陷样照，便于生产线上的操作人员理解、记忆与掌握，适合于卷烟厂在线质量检验与卷包工段机台操作人员使用。
卷烟包装质量缺陷分类判定方法

[发明专利]一种基于无偏嵌入零样本学习的电芯缺陷分类方法-CN201811088628.6在审
发明人：宋明黎;雷杰;宋杰 -专利权人：浙江大学
申请日： 2018-09-18 - 公布日： 2019-03-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于无偏嵌入零样本学习的电芯缺陷分类方法，包括：1)从通过高清摄像头采集的电芯图片中，采用滑动窗口的方式获取合适大小的包含缺陷的图像块，将较为常见的缺陷类别分配为带标签的源数据，将少见的缺陷类别分配为无标签的目标数据对于输入的图像块，通过视觉嵌入子网络得到它的视觉嵌入，接着利用视觉‑语义衔接子网络，完成从视觉嵌入到语义嵌入的映射，然后通过内积计算得到投影得到的视觉嵌入和语义嵌入的得分，最后送入Softmax分类器产生了所有类别的预测概率，将概率最高的那个类别作为分类结果。
嵌入视觉语义电芯缺陷分类缺陷类别样本学习嵌入的图像块标注标签高清摄像头测试阶段方式获取分类结果滑动窗口目标数据网络模型端对端分类器衔接子源数据子网络概率映射分配内积源类投影送入采集预测网络监督学习图片

[发明专利]测试人员思维相似性量化方法及装置-CN202111479146.5在审
发明人：闫义;刘博;朱玲芳 -专利权人：电信科学技术第十研究所有限公司
申请日： 2021-12-06 - 公布日： 2022-04-22 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种测试人员思维相似性量化方法及装置，该方法包括：将各测试人员首轮次测出的首轮次缺陷进行分类，并计算分类后的首轮次缺陷的缺陷程度系数；计算各测试人员在对应测试思维类别下的初始测试思维分类度量值；计算各测试人员在对应测试思维类别下的修正测试思维分类度量值；计算各测试人员在对应测试思维类别下的测试思维分类度量值，并计算各测试人员在对应测试思维类别下的标准化测试思维分类度量值；计算各测试人员之间的测试思维相似度值本发明能够有效明确测试人员的测试技术差别，因此有效解决了测试人员思维能力提升、不同测试人员结队组合、测试团队培养等问题，从而达到提升项目缺陷发现概率和测试效率的效果。
测试人员思维相似性量化方法装置

[发明专利]基于人工智能的互联网应用分析方法及互联网应用系统-CN202211637464.4在审
发明人：杨思思;汪玉红 -专利权人：昆明思碓网络科技有限公司
申请日： 2022-12-20 - 公布日： 2023-02-28 - 主分类号： H04L43/0805 文献下载
摘要：对基础应用程序异常活动的异常运行特征进行特征更新，可以在基础应用程序异常活动的第二异常运行特征中结合迭代应用程序异常活动的信息，从而输出更具特征表达性的基础应用程序异常活动的第二异常运行特征；由于结合基础应用程序异常活动的第二异常运行特征进行软件缺陷类别分析，可以结合基础应用程序异常活动的准确的异常运行特征进行软件缺陷类别分析，进而可以有效决策基础应用程序异常活动对应的软件缺陷类别，提高了软件缺陷类别分析的精准度，最终提高软件补丁数据配置的可靠性。
基于人工智能互联网应用分析方法系统

[发明专利]一种基于深度学习的纤维丝缺陷检测方法-CN202210078394.7在审
发明人：古玲;李天成;何湫雨 -专利权人：南京矩视科技有限公司
申请日： 2022-01-24 - 公布日： 2022-03-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的纤维丝缺陷检测方法，包括如下步骤：采集纤维丝图像信息，识别纤维丝缺陷预测框位置以及缺陷区域，与特征底库进行对比，判断是否有缺陷，使用分类网络识别，输出纤维丝缺陷类别；通过人工核对未能识别的纤维丝缺陷图片该基于深度学习的纤维丝缺陷检测方法，检测纤维丝缺陷出现的位置，然后提取检测区域的图像特征，并与特征底库进行比对，判断纤维丝是否有缺陷，最后将判断为有缺陷的纤维丝区域，输入到分类网络，识别纤维丝缺陷类别；实现了对纤维丝缺陷的检测，降低了误报率，提高了准确率，减少了环境因素对于检测的干扰。
一种基于深度学习纤维缺陷检测方法

[发明专利]光伏组件缺陷的检测方法和装置-CN201910395630.6在审
发明人：张欢欢;唐小军;李慧 -专利权人：京东方科技集团股份有限公司
申请日： 2019-05-13 - 公布日： 2019-08-16 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种光伏组件缺陷的检测方法和装置。所述光伏组件缺陷的检测方法，包括：获取待检测光伏组件的目标图像；对目标图像进行显著区域检测，获得至少一个显著区域对应的位置信息；根据至少一个显著区域对应的位置信息获得至少一个输入图像；将至少一个输入图像输入至已训练的分类器中，以由分类器输出目标图像中至少一个显著区域的类别信息；该类别信息为缺陷的类别信息或正常区域的标识信息。根据本发明的实施例，可以提高光伏组件缺陷的检测效率，实现实时检测。
光伏组件显著区域类别信息目标图像检测方法和装置输入图像位置信息获得分类器输出标识信息待检测光实时检测正常区域分类器

[发明专利]一种太阳能电池板汇流条激光叠焊缺陷检测方法及系统-CN202310405145.9在审
发明人：徐旦;郑明亮 -专利权人：无锡洲翔成套焊接设备有限公司
申请日： 2023-04-17 - 公布日： 2023-07-25 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及光伏材料加工检测技术领域，具体公开了一种太阳能电池板汇流条激光叠焊缺陷检测方法，包括：将预处理后的汇流条激光叠焊图像样本进行缺陷类别标记，以得到训练集；提取训练集中每一协方差矩阵以构成李代数训练点集；在李代数空间中对李代数训练点集中的李代数空间点进行聚类，并得到每种类别李代数空间点的中心点；计算待检测汇流条激光叠焊图像的李代数测试点分别到各个类别李代数中心点之间的欧式距离，将欧式距离最短的李代数中心点所属的类别判为该待检测汇流条激光叠焊图像的类别本发明还公开了一种太阳能电池板汇流条激光叠焊缺陷检测系统。本发明能够提高太阳能电池板汇流条激光叠焊缺陷识别的准确率和学习效率。
一种太阳能电池板汇流激光缺陷检测方法系统

[发明专利]一种基于Lie-Mean的平板外壳缺陷检测方法和系统-CN201911132430.8在审
发明人：徐承俊;朱国宾 -专利权人：武汉大学
申请日： 2019-11-19 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于Lie‑Mean的平板外壳缺陷检测方法和系统，包括如下步骤：获取平板外壳图像并进行图像预处理；将预处理后的图像进行人工标记，标记存在缺陷的平板外壳产品，给出存在缺陷的类别，得到数据样本集；将上述得到的数据样本集映射到李群流形空间中，计算得到每个产品类别的李群内均值；将待检测平板外壳图像进行图像预处理，并将其映射到李群流形空间中，得到测试样本；计算测试样本到上述所得到的各类别李群内均值的测地线距离，将距离最短的李群内均值所属类别判为测试样本的类别。
一种基于 lie mean 平板外壳缺陷检测方法系统

[发明专利]一种基于自适应模糊神经网络的漏磁缺陷深度识别方法-CN202010517833.0在审
发明人：唐建华;赵可天;高书鹏;薛申才;付明芮;刘雪源;袁东野;徐永杰;闫富胜 -专利权人：中海油能源发展装备技术有限公司;中海石油技术检测有限公司;东北大学
申请日： 2020-06-09 - 公布日： 2020-10-30 - 主分类号： G06T7/00 文献下载
摘要：一种基于自适应模糊神经网络的漏磁缺陷深度识别方法，该方法为：对漏磁缺陷数据进行特征提取，由提取的特征制作样本集；构建最大最小模糊神经网络，采用样本集对该神经网络进行训练并使之生成多个由最小点和最大点构成的N维聚类超盒，每一个超盒内所有样本属于同一漏磁缺陷类别；超盒的隶属度函数采用自适应隶属度函数；由隶属度函数计算待识别漏磁缺陷数据对应每个超盒的隶属度值，将隶属度值最大的超盒所对应的漏磁缺陷类别作为待识别漏磁缺陷的类别
一种基于自适应模糊神经网络缺陷深度识别方法

[发明专利]一种用于螺栓缺陷分类的语义词典学习方法及装置-CN202111332205.6在审
发明人：刘良帅;赵建利;陈泽;赵振兵;赵百捷;李星蓉;姬艳鹏;冯海燕 -专利权人：国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司
申请日： 2021-11-11 - 公布日： 2022-02-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于螺栓缺陷分类的语义词典学习方法及装置，涉及电力设备故障分类技术领域；方法包括S1获得螺栓图像的全局特征，S2获得螺栓缺陷类别语义词典，S3获得视觉特征表示模块，S4获得螺栓视觉特征的表示系数，S5获得螺栓缺陷类别的词典学习模型，S6训练词典学习模型；装置包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述方法中的步骤；其通过步骤S1至步骤S6等，基于螺栓缺陷类别语义词典和特征学习模块，对螺栓测试图像进行分类并获得螺栓缺陷分类，实现螺栓缺陷分类准确率和效率的提高。
一种用于螺栓缺陷分类语义词典学习方法装置

[发明专利]模糊抵抗性半监督缺陷检测方法、装置及存储介质-CN202311129775.4在审
发明人：许秋菊;艾坤;刘海峰 -专利权人：合肥中科类脑智能技术有限公司
申请日： 2023-09-04 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本公开是关于一种模糊抵抗性半监督缺陷检测方法、模糊抵抗性半监督缺陷检测装置、存储介质及服务器。该模糊抵抗性半监督缺陷检测方法包括基于缺陷类别对应的联合置信度，对缺陷预测框内的每个像素点进行样本分类，得到每个像素点对应的样本标签信息；基于无标签图像、每个像素点对应的类别标签信息及每个像素点对应的样本标签信息对学生网络模型，进行模型训练,以缺陷类别对应的联合置信度作为目标损失函数的监督信息，优化学生网络模型的模型参数，有利于网络模型更好地衡量预测边界框与真实边界框之间的完整重叠度，有助于提高边界框尺寸和形状估计的准确度，
模糊抵抗性监督缺陷检测方法装置存储介质

[发明专利]基于工业场景下的X射线成像图像的缺陷智能评级方法-CN202010851981.6在审
发明人：银奇英;程辉;程刘毅 -专利权人：杭州培慕科技有限公司
申请日： 2020-08-21 - 公布日： 2020-12-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开基于工业场景下的X射线成像图像的缺陷智能评级方法，包括如下步骤：将待测图像按照固定宽度进行切割，并通过填充黑色边框的方式，获得标准方形尺寸的待测图像，将标准方形尺寸的待测图像放入图像识别模型，得到待测图像的缺陷掩膜以及缺陷类别；将缺陷掩膜进行反向变换并还原掩膜图像尺寸，完成掩膜图像重组，获得缺陷区域；合成待测图像的缺陷区域和缺陷类别，生成待测图像的缺陷分布全息图，利用缺陷级别评定模块，完成整幅待测图像的缺陷的缺陷评级工作本发明极大提高了缺陷类型识别精度以及缺陷区域分割精度，进而实现对焊缝图像实现智能评定。
基于工业场景射线成像图像缺陷智能评级方法

[发明专利]一种基于多维特征分析的气孔与低密度夹杂分类方法-CN202310419719.8在审
发明人：吴楚澔;李硕宏;计效园;侯明君;董淏;朱景安;易文珏;李宁;殷亚军;周建新 -专利权人：华中科技大学
申请日： 2023-04-13 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明属于缺陷检测技术领域，并提供了一种基于多维特征分析的气孔与低密度夹杂分类方法，包括以下步骤：采集待分析区域的子图像；构建多维特征判别指标，并基于多维特征判别指标获取每个维度下子图像的缺陷判别结果，特征判别指标包括边缘曲率、灰度分布、缺陷外框长宽比和缺陷面积及其最大周长平方的比，缺陷判别结果为气孔或低密度夹杂；对所有维度对应的缺陷判别结果分类汇总，获得气孔类缺陷和低密度夹杂类缺陷，对各个维度分配特定权重，并基于特定权重分别计算气孔类缺陷和低密度夹杂类缺陷对应的判别系数，比对判别系数的大小，判别系数较大的缺陷类别即为待分析区域的最终缺陷类别。本发明的缺陷判别准确性更高。
一种基于多维特征分析气孔密度夹杂分类方法