“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]一种管道内壁缺陷检测方法及系统-CN202310311786.8在审
发明人：陈朋超;王亚楠;李睿;富宽;郑健峰 -专利权人：国家石油天然气管网集团有限公司
申请日： 2023-03-28 - 公布日： 2023-07-21 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种管道内壁缺陷检测方法及系统，包括以下步骤：获取管道内壁图像；确定缺陷类别特征图和缺陷位置特征图；根据各个缺陷类别特征图和各个缺陷位置特征图，确定目标类别特征图和目标位置特征图；根据各个目标位置特征图，确定回归框；根据各个所述回归框和各个所述目标类别特征图，确定分类信息，以及回归框特征图；根据各个所述分类信息，确定所述管道内壁图像对应的类别信息；根据各个回归框特征图，确定每个回归框特征图对应的回归框分数解决了现有技术无法高效地为一线工作者展示管道中的缺陷信息以及缺陷在管道中的定位，不利于后续管道维护与检修的问题。
一种管道内壁缺陷检测方法系统

[发明专利]基于深度学习的电池模组外观缺陷检测方法及系统-CN202310617580.8有效
发明人：何俊霖;许海山 -专利权人：厦门微图软件科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-11 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了基于深度学习的电池模组外观缺陷检测方法及系统，其方法包括：获取电池模组的外观缺陷样本数据，并提取外观缺陷样本数据的数据特征，且基于数据特征对外观缺陷样本数据进行类别标注；基于缺陷检测要求确定对预设深度学习模型的训练终止条件，并基于类别标注的外观缺陷样本数据和训练终止条件对预设深度学习模型的初始模型参数进行迭代训练，构建目标深度学习预测模型；采集电池模组外观图像，并将电池模组外观图像输入目标深度学习预测模型进行缺陷预测，得到电池模组外观存在的缺陷以及缺陷类别实现对电池模组外观存在的缺陷以及缺陷类别进行快速准确的预测判断，从而便于根据预测判断结果及时采取相应的应急措施。
基于深度学习电池模组外观缺陷检测方法系统

[发明专利]一种基于缺陷区域特征增强的交通标志缺陷分类方法-CN202211100710.2在审
发明人：阮承峰 -专利权人：阮承峰
申请日： 2022-09-09 - 公布日： 2023-01-13 - 主分类号： G06V20/00 文献下载
摘要：本发明提供了一种基于缺陷区域特征增强的交通标志缺陷分类方法，包括：搭建源域图像分类网络，学习源域数据集中图像的分类，将其作为源任务，迁移图像分类的知识促进缺陷分类任务的训练；使用源域训练集训练源域图像分类网络；搭建交通标志语义识别网络，识别交通标志图像语义类别，使用交通标志语义类别指导交通标志缺陷类别分类；使用交通标志语义识别数据集训练交通标志语义识别网络；定义交通标志缺陷类别；准备交通标志缺陷分类数据集；搭建交通标志缺陷分类网络，对交通标志上的缺陷类型进行分类；训练并测试交通标志缺陷分类网络。
一种基于缺陷区域特征增强交通标志分类方法

[发明专利]工业产品外观缺陷检测方法和装置-CN202111336284.8有效
发明人：郭骏;潘少云;侯大为;倪文渊 -专利权人：常州微亿智造科技有限公司
申请日： 2021-11-12 - 公布日： 2022-02-11 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及工业质检技术领域，为解决工业产品外观缺陷检测效果差的技术问题，提供了一种工业产品外观缺陷检测方法和装置，所述方法包括：对多个缺陷样本进行缺陷类别的标注，得到具有N个标注类别的第一样本集；将第一样本集输入特征提取网络，得到每个缺陷样本对应的特征向量，构成聚类数据集；对聚类数据集进行密度最大值聚类，以将多个缺陷样本归为K个聚类类别，得到具有K个聚类类别的第二样本集；通过第二样本集对检测网络进行训练，得到缺陷检测模型；将待检测工业产品图像输入缺陷检测模型，得到输出结果；将输出结果为多类输出的缺陷的子图像进行细粒度分类，得到输出结果为多类输出的缺陷属于相应的标注类别的输出结果。
工业产品外观缺陷检测方法装置

[发明专利]基于Yolov5的缺陷检测方法、装置、设备及存储介质-CN202310658092.1在审
发明人：蔡传宝;唐凤英;陈高 -专利权人：深圳市长盈精密技术股份有限公司
申请日： 2023-06-05 - 公布日： 2023-10-03 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种基于Yolov5的缺陷检测方法、装置、设备及存储介质，所述方法包括：获取至少一张缺陷图片；将所述缺陷图片输入基于Yolov5的目标缺陷检测网络，输出所述缺陷图片中的缺陷对应的目标框，和/或输出所述缺陷图片中的缺陷对应的目标缺陷类别；其中，所述目标框用于表示所述缺陷图片中的缺陷在所述缺陷图片中的位置，所述目标缺陷类别为预设的若干缺陷类别中的一个，所述目标缺陷检测网络是通过对Yolov5进行通道剪枝确定的利用本申请公开的方法，可以实现缺陷检测所需要的计算资源有效减少。
基于 yolov5 缺陷检测方法装置设备存储介质

[发明专利]基于深度学习的钢材检测方法及系统-CN202211607711.6在审
发明人：高哲;李丙涛;栗芳 -专利权人：郑州金惠计算机系统工程有限公司
申请日： 2022-12-14 - 公布日： 2023-06-23 - 主分类号： G06T7/00 文献下载
摘要：本发明属于金属制造工艺质量检测技术领域，特别涉及一种基于深度学习的钢材检测方法及系统，通过采集流水线作业中钢材表面清理工序后的图像数据，并对图像数据进行预处理，分离出图像数据中钢材区域图像；将钢材区域图像输入至已训练的缺陷检测模型，检测并定位出钢材缺陷区域图像；利用已训练的缺陷分类模型对钢材缺陷区域图像进行分类，确定钢材缺陷或伪缺陷类别，针对缺陷类别下的图像数据进行第二次分类并输出缺陷所属类别，记录图像中钢材缺陷类别及对应缺陷区域位置本发明利用传统算法和深度学习算法相结合使钢材缺陷检测方案具有检出率高、误检率低、适应性强的优点，提高整个钢材表面缺陷检测系统的鲁棒性，具有较好的应用前景。
基于深度学习钢材检测方法系统

[发明专利]用于多模半导体检验的光学模式选择-CN201980079468.5在审
发明人： B·布拉尔;R·威灵福德;K·格拉马;李胡成;S·帕克 -专利权人：科磊股份有限公司
申请日： 2019-12-12 - 公布日： 2021-07-23 - 主分类号： H01L21/66 文献下载
摘要：使用主要光学模式扫描一或多个半导体晶片或其部分以识别缺陷。使用电子显微镜选择并检视多个所述经识别缺陷，包含第一类别的缺陷及第二类别的缺陷。基于此检视，将所述多个缺陷的相应缺陷分类为所述第一类别或所述第二类别的缺陷。使用多个辅助光学模式使所述多个所述经识别缺陷成像。使用所述主要光学模式及所述一或多个所选择的辅助光学模式针对缺陷扫描生产半导体晶片。
用于半导体检验光学模式选择

[发明专利]冷轧铜带表面缺陷识别模型训练方法及识别方法、系统-CN202110922763.1在审
发明人：王东城;徐扬欢;刘计尊;段伯伟;杨实禹;于华鑫;刘宏民 -专利权人：燕山大学
申请日： 2021-08-12 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种冷轧铜带表面缺陷识别模型训练方法，该训练方法包括：建立冷轧铜带的表面缺陷数据集，该表面缺陷数据集包括多种表面缺陷类别各自对应的多张训练用图像。最后利用表面缺陷数据集对初始识别模型进行训练，得到识别模型，进而所建立的识别模型能够对多种缺陷类别进行识别，实际应用效果好。本发明还用于提供一种冷轧铜带表面缺陷识别方法及系统，利用上述训练方法训练得到的识别模型对待识别图像进行识别，得到待识别图像对应的表面缺陷类别，识别精度高且识别速度快，可以实时在线检测表面缺陷类别。
冷轧表面缺陷识别模型训练方法系统

[发明专利]一种利用无缺陷图像的少样本缺陷检测方法-CN202111348548.1在审
发明人：陈朝;刘志 -专利权人：上海大学
申请日： 2021-11-15 - 公布日： 2022-03-04 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种利用无缺陷图像来增强缺陷区域特征的少样本缺陷检测方法，对缺陷图像数据集进行处理，将所有类别的缺陷划分为基础类与新类，按照随机选取的原则为新类选定少量样本；构建少样本缺陷检测的深度学习网络，输入的缺陷图像及无缺陷图像经过多层卷积特征提取以及特征融合后，得到输入图像的缺陷区域特征增强的特征图，再对其进行分类和边框回归计算即可得到缺陷的类别及位置；将处理好的训练数据输入构建的深度学习网络训练；利用训练好的模型对测试数据进行实验，基础类的测试实验只需要输入缺陷图像，即可得到该缺陷的类别和位置信息，而新类的测试实验需要同时输入少量缺陷图像和无缺陷图像，得到该缺陷的类别和位置信息。
一种利用缺陷图像样本检测方法

[发明专利]一种基于大数据的接触网验损缺陷数据管理方法及系统-CN202211298971.X有效
发明人：林仁辉;苏茂才;李柯;雷开武;廖峪;唐泰可;宋鹏光;李自旭 -专利权人：成都诺比侃科技有限公司
申请日： 2022-10-24 - 公布日： 2023-01-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于大数据的接触网验损缺陷数据管理方法及系统，包括以下步骤：利用预先建立的缺陷类别识别模型对接触网验损缺陷数据流进行缺陷数据的归类得到多组依缺陷类别区分的验损缺陷数据集，所述接触网验损缺陷数据为在接触网中获取用于表征接触网验损部位缺陷特征的特征数据；基于所述验损缺陷数据集构建定向识别模型。本发明基于所述验损缺陷数据集构建定向识别模型，以实现根据用户自定义选择进行接触网缺陷的定向识别，提高用户体验，构建位置缺陷测算模型，以实现根据接触网位置进行缺陷类别测算的智能分析，构建位置缺陷关联模型，以实现根据缺陷类别进行接触网位置关联的智能分析，提供管理智能化程度。
一种基于数据接触网验损缺陷数据管理方法系统

[发明专利]自动光学检测方法及应用其的自动光学检测系统-CN201911031438.5有效
发明人：林宽宏 -专利权人：住华科技股份有限公司
申请日： 2019-10-28 - 公布日： 2022-04-29 - 主分类号： G01N21/95 文献下载
摘要：然后，以特征分类技术，判断膜片影像的一缺陷影像所属的缺陷类别，其中所属缺陷类别包含至少一缺陷型。然后，以机器学习分类技术，判断缺陷影像所属的缺陷型。
自动光学检测方法应用系统

[发明专利]一种笔记本屏幕的缺陷检测方法、装置、设备和介质-CN202310965338.X在审
发明人：高群;叶碧发;郑富文;吕福康 -专利权人：深圳佳弟子科技有限公司
申请日： 2023-08-01 - 公布日： 2023-10-24 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及缺陷检测的技术领域，尤其是涉及一种笔记本屏幕的缺陷检测方法、装置、设备和介质，方法包括：对待检样品图像进行预处理，得到待检屏幕图像，预处理用于将待检样品图像中对屏幕缺陷检测的信息提取出来，排除无关信息的干扰然后，基于待检屏幕图像进行缺陷检测，得到至少一个缺陷图像和每一缺陷图像对应的缺陷位置，并基于每一缺陷图像进行缺陷分类检测，得到每一缺陷图像对应的缺陷类别，确定缺陷类别以便于确定不良条件和后续维修操作，提升了缺陷检测的精度和缺陷处理的效率最终，基于每一缺陷图像对应的缺陷类别和缺陷位置，得到屏幕缺陷报告。
一种笔记本屏幕缺陷检测方法装置设备介质

[发明专利]一种三段式道路缺陷图像处理方法-CN202310677633.5有效
发明人：刘宪明;陈铮;李庆营;夏晗;王朝;刘凯锋;林清扬;梁志鹏;陈志凤;李想 -专利权人：山东高速工程检测有限公司;华为云计算技术有限公司
申请日： 2023-06-09 - 公布日： 2023-08-29 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种三段式道路缺陷图像处理方法，涉及图像处理领域，模型简单，容易实现，减少漏检率，大大提高模型精度，满足精细化的道路管理需求。本发明具体包括如下步骤：步骤1：收集存在缺陷的道路图像；步骤2：检测道路图像中道路缺陷的位置和缺陷类别；步骤3：对于任一缺陷，通过矩形大框进行裁切，生成包含一类缺陷的大框图像；步骤4：针对任一大框图像，裁切成若干矩形小框，判断小框二分类类别是缺陷或非缺陷；步骤5：基于桥连接算法优化调整小框二分类类别是否为缺陷的判别；步骤6：将大框图像内所有二分类类别判定为缺陷的所有小框的集合记为缺陷图像。
一种三段式道路缺陷图像处理方法

[发明专利]一种工业数据异常检测方法、装置、终端设备及存储介质-CN202011493678.X在审
发明人：徐明亮;陈丽;靳启帆;姜晓恒;张晨民;李丙涛;栗芳 -专利权人：郑州金惠计算机系统工程有限公司
申请日： 2020-12-17 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：获取所述标准工业制品的数据，获取所述异常工业制品的数据；其次，对所述标准工业制品的数据进行重新校验，对所述异常工业制品的数据进行重新校验；然后，计算并获得所述数据的高密度区域和低密度区域；通过对所述低密度区域进行划分，识别出缺陷样本的类别；最后获取待测样本的数据，确定所述待测样本的类别。本发明的实施例中，通过将对数据进行校验，保证数据的一致性，使得对工业制品缺陷进行分类时，缺陷分类更加精准，且通过对低密度区域进行划分，识别出缺陷样本的类别，可以有效的对缺陷类别进行分类；并对待测样本进行缺陷检测时，可以准确确定其所属的缺陷类别。
一种工业数据异常检测方法装置终端设备存储介质

[发明专利]一种基于迁移学习的类别不平衡表面缺陷检测方法-CN202111047362.2在审
发明人：郭斌;成家慧;刘佳琪;於志文;刘思聪;王柱;王亮 -专利权人：西北工业大学
申请日： 2021-09-07 - 公布日： 2021-12-14 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于迁移学习的类别不平衡表面缺陷检测方法。首先，对获取的缺陷图像进行分类标注，划分为常见缺陷图像和稀有缺陷图像，并对图像进行增强处理；然后，利用CNN网络对缺陷图像进行特征提取，利用特征重加权模块提取图像的特征权重，以二者的深度卷积作为缺陷类别图像的特征；接着，利用缺陷定位网络提取得到缺陷位置和特征，再利用距离度量值计算缺陷类别概率，得到检测结果。本发明方法能够有效避免稀有缺陷样本过少导致的模型过拟合问题，提高表面缺陷检测的识别率。
一种基于迁移学习类别不平衡表面缺陷检测方法