[發(fā)明專(zhuān)利]數據生成裝置、數據生成方法以及程序在審

專(zhuān)利信息
申請號: 202280018059.6 申請日: 2022-02-25
公開(kāi)(公告)號: CN116964623A 公開(kāi)(公告)日: 2023-10-27
發(fā)明(設計)人: 広橋佑紀;武良盛太郎;宮本真實(shí);橋本敦史;徳隆宏;土屋直樹(shù);井尻善久;岡本大和 申請(專(zhuān)利權)人: 歐姆龍株式會(huì )社
主分類(lèi)號: G06T7/00 分類(lèi)號: G06T7/00
代理公司: 北京康信知識產(chǎn)權代理有限責任公司 11240 代理人: 趙曦
地址: 日本*** 國省代碼: 暫無(wú)信息
權利要求書(shū): 暫無(wú)信息 說(shuō)明書(shū): 暫無(wú)信息
摘要: 一種數據生成裝置,生成對對象物進(jìn)行判斷的機器學(xué)習中的數據,所述數據生成裝置具備:原始數據顯示部,將實(shí)施數據增強的包含對象物的第一原數據顯示于顯示部;參數接收部,接收與數據增強相關(guān)的參數的輸入;生成數據顯示部,將生成數據顯示于顯示部,所述生成數據是通過(guò)基于參數對第一原數據中對象物以外的部分進(jìn)行數據增強而生成的;以及可否采用接收部,接收是否采用基于參數的數據增強。
搜索關(guān)鍵詞: 數據 生成 裝置 方法 以及 程序
【主權項】:
暫無(wú)信息
下載完整專(zhuān)利技術(shù)內容需要扣除積分,VIP會(huì )員可以免費下載。

該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權等信息,商用須獲得專(zhuān)利權人授權。該專(zhuān)利全部權利屬于歐姆龍株式會(huì )社,未經(jīng)歐姆龍株式會(huì )社許可,擅自商用是侵權行為。如果您想購買(mǎi)此專(zhuān)利、獲得商業(yè)授權和技術(shù)合作,請聯(lián)系【客服

本文鏈接:http://www.juancansuo.cn/patent/202280018059.6/,轉載請聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。

同類(lèi)專(zhuān)利
  • 一種基于鋰電涂布工藝波浪邊檢測系統及方法-202310826094.7
  • 楊牧;趙海江;張董;楊輝華;盧月勝 - 鈦瑪科(北京)工業(yè)科技有限公司
  • 2023-07-06 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及鋰電池技術(shù)領(lǐng)域,公開(kāi)了一種基于鋰電涂布工藝波浪邊檢測系統及方法,包括:處理模塊、確定模塊、檢測模塊和控制模塊,處理模塊用于獲取鋰電涂布工藝的初始圖像,對初始圖像進(jìn)行預處理,得到待檢測圖像,確定模塊用于提取待檢測圖像的特征參數,基于特征參數確定待檢測圖像的輪廓特征圖,檢測模塊用于將輪廓特征圖輸入至缺陷檢測模型,對輪廓特征圖進(jìn)行缺陷檢測,判斷輪廓特征圖是否存在缺陷,控制模塊用于根據檢測結果對鋰電池涂布機的模頭位置進(jìn)行管理和控制。本發(fā)明解決了無(wú)法對鋰電涂布工藝中的波浪邊進(jìn)行精準檢測的技術(shù)問(wèn)題,避免波浪邊對于陶瓷邊界的計算產(chǎn)生偏差的現象,提高了涂布表面檢測質(zhì)量和涂布的外觀(guān)質(zhì)量。
  • 一種脊柱關(guān)鍵點(diǎn)檢測系統-202310837248.2
  • 郭立君;高孟豪;張榮 - 寧波大學(xué)
  • 2023-07-10 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及一種脊柱關(guān)鍵點(diǎn)檢測系統,包括:設置有第一輸入端、第二輸入端、第一輸出端和第二輸出端,用于根據第一輸入端輸入的被測椎骨正面圖像獲取被測椎骨正面邊界框并于第一輸出端進(jìn)行輸出,根據第二輸入端輸入的被測椎骨側面圖像獲取被測椎骨側面邊界框并于第二輸出端進(jìn)行輸出的雙平面椎骨檢測網(wǎng)絡(luò );與第一輸出端信號聯(lián)通,用于獲取被測椎骨正面圖像中所呈現關(guān)鍵點(diǎn)坐標的第一單椎骨關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò );與第二輸出端信號聯(lián)通,用于獲取被測椎骨側面圖像中所呈現關(guān)鍵點(diǎn)坐標的第二單椎骨關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò ):通過(guò)本發(fā)明可以較精確的預測被測椎骨關(guān)鍵點(diǎn)坐標。
  • 一種封裝芯片的焊球形變檢測方法-202310884904.4
  • 黃明樂(lè ) - 仙羋智造科技(蚌埠)有限公司
  • 2023-07-19 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及封裝芯片檢測技術(shù)領(lǐng)域,解決了人工對于焊球形變這種細微變量檢測效率低、受主觀(guān)因素影響且易引發(fā)二次缺陷現象的技術(shù)問(wèn)題,尤其涉及一種封裝芯片的焊球形變檢測方法,該方法包括以下步驟:S1、通過(guò)光學(xué)相機獲取待檢測封裝芯片中包含焊球陣列圖像的原始圖像;S2、對原始圖像預處理得到無(wú)噪聲、清晰的目標圖像;S3、確定二值化處理的二值圖像閾值T。本發(fā)明不僅提高了對于焊球形變缺陷的檢測效率以及準確率,同時(shí)避免因檢測過(guò)程而造成的額外傷害,對于保證芯片質(zhì)量、延長(cháng)芯片使用壽命、提高芯片生產(chǎn)效率、降低成本具有重要的現實(shí)意義與應用價(jià)值。
  • 一種帶鋼表面色差缺陷檢出方法、裝置及電子設備-202310885827.4
  • 付光;郝鵬飛;袁愛(ài)民;高國強;賀巖;關(guān)建東;馬家驥 - 北京首鋼股份有限公司;首鋼股份公司遷安鋼鐵公司
  • 2023-07-18 - 2023-10-27 - G06T7/00
  • 本申請提供了一種帶鋼表面色差缺陷檢出方法、裝置及電子設備,其中,所述方法包括:獲取帶鋼表面圖像;對第一檢測模型進(jìn)行靈敏度調整,通過(guò)調整后的所述第一檢測模型對帶鋼表面圖像進(jìn)行色差缺陷檢測,得到可疑圖像;通過(guò)第二檢測模型對可疑圖像進(jìn)行二次檢測,以確定可疑圖像中是否存在色差缺陷,得到缺陷圖像;對缺陷圖像進(jìn)行偽缺陷剔除,得到目標缺陷圖像。本申請解決了現有技術(shù)中因依靠人工識別色差缺陷,導致無(wú)法精準識別色差缺陷的問(wèn)題,本申請提出的方案通過(guò)優(yōu)化光源亮度,擴大帶鋼信噪比和圖片縱向范圍,優(yōu)化檢測單元格的尺寸和缺陷檢測靈敏度等參數,大大提高了帶鋼表面色差缺陷檢出的準確性和效率,保證帶鋼生產(chǎn)線(xiàn)穩定運行和帶鋼的質(zhì)量。
  • 基于核工業(yè)大數據的圖像智能感知系統及方法-202310897871.7
  • 孫偉;胡培根 - 上海韋地科技集團有限公司
  • 2023-07-20 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及圖像感知技術(shù)領(lǐng)域,具體為基于核工業(yè)大數據的圖像智能感知系統及方法,包括:采集所有元件信息和參考誤差,目標元件在不同加工工序中的歷史圖像信息,目標元件在不同焊接工序中的歷史圖像信息,核燃料部件的報損誤差;分析歷史偏差變化,加工工序圖像集中不同工序之間的關(guān)聯(lián)性,目標圖像的歷史關(guān)聯(lián)偏差;分析目標元件和其它元件的關(guān)聯(lián)性,根據相鄰元件的歷史加工工序匹配相應的圖像數據,分析相鄰元件的歷史關(guān)聯(lián)偏差,構建目標元件的誤差關(guān)聯(lián)性模型;識別加工圖像數據,分析當前工序的偏差度,匹配誤差關(guān)聯(lián)性模型,對目標元件的加工過(guò)程進(jìn)行智能調整和監控,極大的減少了核燃料由于誤差產(chǎn)生的危害。
  • 一種基于雙重注意力機制的石油管道裂紋檢測方法-202310913981.8
  • 柯雨;段隆臣;高輝;何王勇;譚松成;吳振坤 - 中國地質(zhì)大學(xué)(武漢)
  • 2023-07-24 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種基于雙重注意力機制的石油管道裂紋檢測方法,包括:采集待檢測石油管道的內部圖像;基于雙重注意力機制和yolov5?seg網(wǎng)絡(luò )構建裂紋檢測模型;利用裂紋檢測模型對內部圖像進(jìn)行裂紋檢測,確定裂紋區域;利用密度聚類(lèi)算法對所述裂紋區域的裂紋圖像進(jìn)行聚類(lèi)分割,擬合裂紋的幾何形態(tài);提取裂紋輪廓和骨架,利用圖像拼接算法對所述裂紋圖像進(jìn)行拼接,使用角點(diǎn)檢測算法重構裂紋網(wǎng)絡(luò );根據所述裂紋網(wǎng)絡(luò )中裂紋圖像對應的位置信息對管道內裂紋進(jìn)行3D建模。如此,本發(fā)明可以通過(guò)添加雙重注意力機制的卷積神經(jīng)網(wǎng)絡(luò )實(shí)現管道裂紋的精準檢測,并對復雜裂紋進(jìn)行聚類(lèi)分解,準確提取裂紋參數,減少了工作量,有效提高了石油管道裂紋識別的準確度。
  • 視神經(jīng)纖維層的厚度確定方法、裝置及電子設備-202310916506.6
  • 黃丹丹;李冰;王嘉因;周營(yíng);滕準準 - 視微影像(河南)科技有限公司
  • 2023-07-21 - 2023-10-27 - G06T7/00
  • 本發(fā)明提供了一種視神經(jīng)纖維層的厚度確定方法、裝置及電子設備,獲取視神經(jīng)纖維層所對應區域的OCT體數據,并對其進(jìn)行分割,得到的分割結果包括:視神經(jīng)纖維層的上分層面和下分層面;對上分層面和下分層面進(jìn)行環(huán)狀采樣,得到上分界線(xiàn)和下分界線(xiàn);進(jìn)而確定視神經(jīng)纖維層的測量厚度值。該方式通過(guò)對OCT體數據進(jìn)行分割和環(huán)狀采樣,可以得到采樣的視神經(jīng)纖維層的上分界線(xiàn)和下分界線(xiàn),進(jìn)而得到視神經(jīng)纖維層厚度,該方式不要求掃描中心必須嚴格對準視盤(pán)中心,降低了操作難度,從而可以提高視神經(jīng)纖維層厚度的檢測精度。
  • 一種動(dòng)態(tài)增強磁共振影像特征生成病理圖像特征的方法-202310923521.3
  • 范明;余周;厲力華 - 杭州電子科技大學(xué)
  • 2023-07-26 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種動(dòng)態(tài)增強磁共振影像特征生成病理圖像特征的方法,該方法首先獲取乳腺癌的DCE?MRI數據以及相應的病理圖像數據,構建乳腺癌數據集,并進(jìn)行數據預處理。其次構建基于視覺(jué)自注意力模型和交叉注意力機制的特征提取網(wǎng)絡(luò ),提取DCE?MRI特征和病理圖像特征。然后基于對抗生成網(wǎng)絡(luò ),利用DCE?MRI特征生成病理圖像特征。最后利用DCE?MRI數據,通過(guò)訓練好的特征提取網(wǎng)絡(luò )的DCE?MRI分支和訓練好的特征生成網(wǎng)絡(luò )生成病理圖像特征。本發(fā)明更好的利用圖像的全局信息,并且使模型在沒(méi)有病理圖像的情況下通過(guò)DCE?MRI影像也能生成病理圖像特征,解決病理圖像缺失的問(wèn)題。
  • 大米品質(zhì)檢測方法、裝置、設備及存儲介質(zhì)-202310924470.6
  • 張聰;成濘伸;魏志慧;閆可;陳新波 - 武漢輕工大學(xué)
  • 2023-07-24 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種大米品質(zhì)檢測方法、裝置、設備及存儲介質(zhì),該方法包括:對源大米圖像進(jìn)行預處理,獲得目標大米圖像,目標大米圖像中呈現有若干數量的大米;通過(guò)預設特征檢測網(wǎng)絡(luò )對目標大米圖像進(jìn)行多維度特征提取,獲得與若干數量的大米對應的多維度大米特征,預設特征檢測網(wǎng)絡(luò )為基于非錨框的單階段目標檢測網(wǎng)絡(luò );將多維度大米特征輸入至預設檢測頭,以使預設檢測頭輸出大米品質(zhì)檢測結果。本發(fā)明提出的預設特征檢測網(wǎng)絡(luò )為基于非錨框的單階段目標檢測算法,因此不需要針對目標提前設計不同尺寸的錨框來(lái)提取特征,減少了參數量和檢測時(shí)長(cháng)。此外,本發(fā)明可同時(shí)檢測多粒大米圖像的檢測,因此可進(jìn)一步提高檢測速度,從而提高檢測效率。
  • 線(xiàn)纜磨耗檢測方法、系統、裝置與計算機設備-202310934545.9
  • 穆陽(yáng);張文祥 - 微牌科技(浙江)有限公司
  • 2023-07-27 - 2023-10-27 - G06T7/00
  • 本申請涉及一種線(xiàn)纜磨耗檢測方法、系統、裝置、計算機設備與存儲介質(zhì),其中,方法包括:獲取接觸網(wǎng)線(xiàn)纜的光帶圖像;對所述光帶圖像進(jìn)行處理目標匹配,獲取接觸網(wǎng)線(xiàn)纜的磨耗感興趣區域,并根據所述磨耗感興趣區域,獲取接觸網(wǎng)線(xiàn)纜的磨耗初始值;對接觸網(wǎng)線(xiàn)纜位置進(jìn)行3D定位、并基于定位結果對所述磨耗初始值進(jìn)行補償,得到接觸網(wǎng)線(xiàn)纜的磨耗值;當接觸網(wǎng)線(xiàn)纜中磨耗值大于預設磨耗閾值時(shí),識別所述接觸網(wǎng)線(xiàn)纜中特殊磨耗區域,提取特殊磨耗區域的磨耗面特征、并推送磨耗值和對應的磨耗面特征。整個(gè)方案可以實(shí)現準確的線(xiàn)纜磨耗檢測。
  • 一種提取DSA序列關(guān)鍵幀的方法、裝置、設備及介質(zhì)-202310935513.0
  • 高豐偉;王季勇;陳樹(shù)湛 - 上海博動(dòng)醫療科技股份有限公司
  • 2023-07-27 - 2023-10-27 - G06T7/00
  • 本發(fā)明實(shí)施例公開(kāi)了一種提取DSA序列關(guān)鍵幀的方法、裝置、設備及介質(zhì)。該方法包括:獲取DSA序列,并針對DSA序列中的每幅DSA圖像,對各DSA圖像進(jìn)行血管狹窄識別,得到血管狹窄識別結果;根據各DSA圖像分別對應的血管狹窄識別結果,從DSA序列中提取出于血管狹窄處無(wú)偽影和/或血管邊界清晰的一幅或是多幅DSA圖像作為關(guān)鍵幀。本發(fā)明實(shí)施例的技術(shù)方案,可以從DSA序列中自動(dòng)提取出關(guān)鍵幀,從而減少了醫生工作量。
  • COPD表型確定方法及裝置、電子設備和存儲介質(zhì)-202310941656.2
  • 齊守良;張天德;龐浩文;吳雅楠;趙水清 - 東北大學(xué)
  • 2023-07-28 - 2023-10-27 - G06T7/00
  • 本公開(kāi)涉及一種COPD表型確定方法及裝置、電子設備和存儲介質(zhì),涉及COPD表型智能預測技術(shù)領(lǐng)域。其中,所述方法,包括:獲取吸氣相圖像及多個(gè)設定閾值區間;利用預設氣道分割模型,對所述吸氣相圖像進(jìn)行氣道分割,得到對應的吸氣相氣道圖像;利用預設合成器,將所述吸氣相圖像合成為對應的合成呼氣相圖像;根據所述吸氣相圖像及對應的所述合成呼氣相圖像、多個(gè)設定閾值區間,確定第一參數響應圖;利用所述吸氣相氣道圖像或所述呼氣相氣道圖像對所述第一參數響應圖進(jìn)行設定氣道剔除修正,進(jìn)而確定COPD表型。本公開(kāi)實(shí)施例可實(shí)現COPD表型的智能確定。
  • 基于架空輸電線(xiàn)路擺動(dòng)的監測方法、裝置、介質(zhì)及設備-202310954121.9
  • 丁琦;嚴劍鋒;林永健;石習雙;莫銘光;黃飛;陸政光;陳樹(shù)平;司增威;張存德 - 中國南方電網(wǎng)有限責任公司超高壓輸電公司梧州局
  • 2023-07-31 - 2023-10-27 - G06T7/00
  • 本發(fā)明實(shí)施例公開(kāi)了一種基于架空輸電線(xiàn)路擺動(dòng)的方法,通過(guò)無(wú)人機獲取架空輸電線(xiàn)的實(shí)時(shí)圖像,可以是視頻流或連續的圖像序列。通過(guò)圖像處理算法對實(shí)時(shí)圖像進(jìn)行處理,提取出架空輸電線(xiàn)的位置信息,可以使用邊緣檢測等方法獲得線(xiàn)路的輪廓。從而得到架空輸電線(xiàn)路的彎曲曲線(xiàn)。通過(guò)分析架空輸電線(xiàn)路的彎曲曲線(xiàn),可以計算出線(xiàn)路的擺動(dòng)幅度。擺動(dòng)幅度表示線(xiàn)路在水平方向上的偏移程度或偏轉角度,可用于量化線(xiàn)路的擺動(dòng)情況。將計算得到的擺動(dòng)幅度與預設的閾值進(jìn)行比較。如果擺動(dòng)幅度超過(guò)了閾值,則說(shuō)明線(xiàn)路的擺動(dòng)程度較大,存在潛在的安全隱患。如果擺動(dòng)幅度超過(guò)了閾值,可以生成相應的異常信號,以警示操作人員或系統管理者。
  • 一種基于連通區域算法的機織物組織設計方法-202310954639.2
  • 胡燕杰;莫穎凌;陳曉玲;朱建平;沈振峰;劉和平;陳潔 - 江蘇博雅達紡織有限公司
  • 2023-08-01 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種基于連通區域算法的機織物組織設計方法,包括以下步驟:S1、根據機織物組織結構需求創(chuàng )建設計空間;S2、利用連通區域算法,在設計空間中將基礎組織按照排列組合生成多種組織結構;S3、利用連通區域算法對生成組織的浮長(cháng)線(xiàn)進(jìn)行統計,再對浮長(cháng)線(xiàn)集合的離散性進(jìn)行評價(jià)和篩選,將符合預設條件的組織結構放入候選集合;S4、對候選集合中的組織結構進(jìn)行多目標優(yōu)化;S5、根據優(yōu)化結果對候選集合進(jìn)行排序,選擇排名靠前的優(yōu)秀組織結構;S6、將選定的優(yōu)秀組織機構進(jìn)行樣品生產(chǎn),根據樣品結果,迭代優(yōu)化設計。連通區域算法的設計方法,能夠在較短時(shí)間內生成多種可能的組織結構,滿(mǎn)足不同需求,并提高了設計效率和質(zhì)量。
  • 一種基于雙階段編解碼器分割網(wǎng)絡(luò )的癌細胞核分割方法-202310957605.9
  • 葉志偉;胡彬;梅夢(mèng)清;梅禮曄;王明威;徐川;周雯;甘海濤;周然;靳華中 - 湖北工業(yè)大學(xué)
  • 2023-07-31 - 2023-10-27 - G06T7/00
  • 本發(fā)明提供一種基于雙階段編解碼器分割網(wǎng)絡(luò )的癌細胞核分割方法,引入了圖像標準化、隨機裁剪拼接和仿射變換,消除數據之間差異性,增強訓練樣本的復雜程度;提出特征提取算法、深度聯(lián)合結構和特征選擇模塊,特征提取算法用于提取低維特征信息,深度聯(lián)合結構用于提取高維特征信息,特征選擇模塊用于豐富特征圖的表達能力,最后利用內層解編碼器網(wǎng)絡(luò )對外層編碼器提取的特征信息進(jìn)行第二次的降采樣以及特征融合,并引入多級跳過(guò)路徑,將不同尺度特征信息轉發(fā)給外層解碼器,外層解碼器對各種尺度特征信息進(jìn)行聚合,充分利用所有特征信息,可以在復雜的細胞環(huán)境下準確分割細胞核,為后續細胞核形態(tài)定量分析提供精確的分割結果。
  • 一種基于改進(jìn)YOLOv7的帶鋼表面缺陷檢測方法-202310961323.6
  • 胡聰;龔丹妮;朱愛(ài)軍;李博;蘇延輝 - 桂林電子科技大學(xué);南寧桂電電子科技研究院有限公司
  • 2023-08-02 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種基于改進(jìn)YOLOv7的帶鋼表面缺陷檢測方法,包括以下步驟:構建帶鋼表面缺陷數據集;對數據集中的圖片進(jìn)行預處理,將得到的數據集重新進(jìn)行標注,并將數據集按照比例劃分為訓練集、測試集和驗證集;構建基于改進(jìn)YOLOv7的帶鋼表面缺陷檢測模型;將處理后的帶鋼表面缺陷訓練集放入改進(jìn)后的YOLOv7網(wǎng)絡(luò )模型中進(jìn)行訓練,得到最優(yōu)模型;訓練完成后將測試集放入得到的最優(yōu)模型中,檢測鋼材表面缺陷的類(lèi)別及位置,得到識別結果。通過(guò)本發(fā)明提供的方案,有利于提高帶鋼表面缺陷檢測的準確率。
  • 角鞏膜圖像的獲取方法及裝置-202310972407.X
  • 孟優(yōu)權;鄧如芝;袁韜;胡恒 - 杭州微曉醫療科技有限公司
  • 2023-08-03 - 2023-10-27 - G06T7/00
  • 本申請涉及一種角鞏膜圖像的獲取方法及裝置。所述方法,包括:獲取至少兩幅第一OCT圖像,并選出角膜片段和鞏膜片段的總長(cháng)度最長(cháng)的至少一幅第一OCT圖像,得到參照圖像,并將其余的第一OCT圖像定義為鞏膜殘缺圖像;針對鞏膜殘缺圖像中殘缺的鞏膜片段,從至少一幅參照圖像中選取出與殘缺的鞏膜片段拍攝位置臨近的至少一個(gè)目標鞏膜片段所屬的參照圖像,得到目標參照圖像;獲取鞏膜殘缺圖像中鞏膜片段相對于目標參照圖像中鞏膜片段的第一偏轉角;針對目標參照圖像,獲取對目標鞏膜片段的表面的數據點(diǎn)進(jìn)行曲線(xiàn)擬合得到的目標鞏膜曲線(xiàn);根據第一偏轉角與目標鞏膜曲線(xiàn)得到殘缺的鞏膜片段補全后的表面曲線(xiàn)。本申請可對角鞏膜圖像中殘缺的鞏膜進(jìn)行補全。
  • 一種基于改進(jìn)YOLOv5算法的鋁型材表面缺陷檢測方法-202310758415.4
  • 朱志松;鄧光偉;尤紅權;李穎;王天樂(lè ) - 南通大學(xué)
  • 2023-06-26 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種基于改進(jìn)YOLOv5算法的鋁型材表面缺陷檢測方法,針對鋁型材表面缺陷種類(lèi)多樣、尺度差異大和小目標容易漏檢等問(wèn)題,基于改進(jìn)YOLOv5算法構建鋁型材表面缺陷檢測模型,具體改進(jìn)為:采用IOU?K?means++算法代替K?means算法聚類(lèi)錨框,獲得最貼合鋁型材表面缺陷的錨框,提高小目標錨框的質(zhì)量;其次,提出全局注意力模塊C3C2F,并引入主干層,在減少參數量的同時(shí)增強小目標的語(yǔ)義信息和全局感知能力;最后將頸部最近鄰插值上采樣方式換為輕量級上采樣算子CARAFE,充分保留上采樣特征圖的小目標信息。本發(fā)明有效改善了工業(yè)中鋁型材表面的小缺陷漏檢問(wèn)題,提高了鋁型材表面缺陷檢測精度。
  • 一種融合多模態(tài)乳腺圖像的計算機輔助參考系統及方法-202310764378.8
  • 王金花;劉于寶 - 南方醫科大學(xué)深圳醫院
  • 2023-06-27 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及乳腺圖像處理技術(shù)領(lǐng)域,尤其是一種融合多模態(tài)乳腺圖像的計算機輔助參考系統及方法,所述圖像預處理模塊,用以不同模態(tài)的乳腺圖像的獲取,圖像獲取后進(jìn)行預處理,圖像的預處理包括有圖像增強和圖像降噪;所述特征提取模塊,用以在訓練好的VGG16網(wǎng)絡(luò )中進(jìn)行特征提??;所述特征融合模塊,應用小波變換獲取圖像信息的低頻信息矩陣,并以低頻信息矩陣作為卷積神經(jīng)網(wǎng)絡(luò )的輸入以替代原有的圖片像素矩陣的輸入。融合后的多模態(tài)醫學(xué)圖像擁有較高的軟組織分辨率還能對病灶進(jìn)行清晰的三維立體顯示,從而為病灶的定位及定性診斷提供豐富信息和良好參考,以此作為新的輔助診斷樣本,極大的提升了檢出率。
  • 航拍圖像檢測方法、裝置、無(wú)人機及存儲介質(zhì)-202310768850.5
  • 涂海清 - 廣州極飛科技股份有限公司
  • 2023-06-27 - 2023-10-27 - G06T7/00
  • 本申請公開(kāi)一種航拍圖像檢測方法、裝置、無(wú)人機及存儲介質(zhì),涉及無(wú)人機技術(shù)領(lǐng)域,方法包括:基于無(wú)人機掛載的相機采集的第一圖像中每個(gè)像素點(diǎn)的飽和度,確定第一圖像的每一像素行的平均飽和度;根據每一像素行的平均飽和度,確定第一圖像的完整度;根據第一圖像的完整度,確定第一圖像是否存在缺失。通過(guò)上述技術(shù)手段,可檢測出圖像的完整度,以確定圖像是否存在缺失,便于后續篩選出高完整度的有效圖像在各種功能應用中使用,解決了現有技術(shù)中使用低完整度的無(wú)效圖像時(shí)影響功能應用的準確性的問(wèn)題。
  • 具有增強特征融合能力的金屬表面缺陷檢測方法及系統-202310904939.X
  • 周鋒;陳帥庭;高淦;葛曉樂(lè );王如剛 - 鹽城工學(xué)院;鹽城工學(xué)院技術(shù)轉移中心有限公司
  • 2023-07-21 - 2023-10-27 - G06T7/00
  • 本發(fā)明公開(kāi)了一種具有增強特征融合能力的金屬表面缺陷檢測方法及系統,其方法包括:根據預設樣本金屬的缺陷信息構建標注有預設樣本金屬表面缺陷的數據集;獲取原始YOLOv7?tiny檢測模型并將原始YOLOv7?tiny檢測模型中的所有ELAN?T模塊均替換為C5New3模塊,獲取第一檢測模型;在第一檢測模型的模型網(wǎng)絡(luò )中加入具有自適應加權特征融合能力的add模塊,獲取第二檢測模型;將第二檢測模型的邊界框回歸損失函數進(jìn)行替換,獲取第三檢測模型;利用數據集對第三檢測模型進(jìn)行迭代訓練,在第三檢測模型收斂后選取最佳檢測模型作為最終的金屬表面缺陷檢測模型;利用金屬表面缺陷檢測模型對待檢測金屬進(jìn)行表面缺陷檢測。實(shí)現了高速、準確且魯棒性強的金屬表面缺陷檢測。
  • 車(chē)輛前燈ADB處理方法、處理系統、設備及其介質(zhì)-202310930616.8
  • 周志華 - 常州星宇車(chē)燈股份有限公司
  • 2023-07-26 - 2023-10-27 - G06T7/00
  • 本發(fā)明涉及汽車(chē)照明技術(shù)領(lǐng)域,尤其涉及一種車(chē)輛前燈ADB處理方法,包括:獲取攝像頭的圖像信息,檢測圖像信息是否完整;若圖像信息完整,基于圖像信息檢測目標物是否為有效目標物;若是,則根據目標物將完整的圖像信息輸入至對應緩沖區;反之,則丟棄圖像信息;基于圖像信息,判斷當前圖像信息和前一幀圖像信息中的目標物是否均為同一目標物;若是,則更新緩沖區;反之則當前圖像信息有新的目標物,創(chuàng )建并存儲新的目標物到新的緩沖區中;檢測所有目標物的數量,若目標物的數量大于等于閾值,則關(guān)閉所有LED,反之,則基于圖像信息進(jìn)行坐標轉換,將目標物區域與LED燈珠一一對應,判斷需要開(kāi)啟和關(guān)閉的LED燈珠,能夠鎖定前方目標物,提高了行車(chē)安全性。
  • 物料表面圖像處理方法、裝置及存儲介質(zhì)-202310944755.6
  • 張弛;侯曉峰;吳琪;劉遠剛 - 上海感圖網(wǎng)絡(luò )科技有限公司
  • 2023-07-28 - 2023-10-27 - G06T7/00
  • 本申請提供物料表面圖像處理方法、裝置及存儲介質(zhì),所述方法包括:獲取待拼接圖像序列;其中,由多個(gè)線(xiàn)掃相機同步采集待檢測物料的不同列的區域得到所述待拼接圖像序列;根據基準坐標系、目標坐標序列,將所述待拼接圖像序列中各個(gè)圖像匹配到對應的目標位置;其中,所述目標坐標序列與所述待拼接圖像序列相適應;生成與所述待檢測物料對應的目標全景圖像。本申請提供的技術(shù)方案,可以提高自動(dòng)光學(xué)檢測的檢測效率。
  • 厚型純色織帶的質(zhì)量檢測方法、裝置、電子設備及介質(zhì)-202310949329.1
  • 莊小蘭;余春林 - 廈門(mén)求特新材料有限公司
  • 2023-07-31 - 2023-10-27 - G06T7/00
  • 本公開(kāi)提供了一種厚型純色織帶的質(zhì)量檢測方法、裝置、電子設備及介質(zhì),涉及織帶質(zhì)量檢測技術(shù)領(lǐng)域。獲取待檢測織帶的原圖像;對所述原圖像進(jìn)行灰度處理,獲得灰度圖;根據所述灰度圖獲取對應的灰度共生矩陣;根據所述灰度共生矩陣獲取待檢測織帶的紋理特征值矩陣;根據所述紋理特征值矩陣生成紋理特征圖像;以及根據所述紋理特征圖像判斷所述待檢測織帶的質(zhì)量。突出待檢測織帶的紋理細節,高效且直接地獲得質(zhì)量情況。大大提高了檢測的準確性以及效率,不需要價(jià)格昂貴的檢測設備,節省成本。
  • 一種圖像處理方法及相關(guān)裝置-202310231129.2
  • 王昌安 - 騰訊科技(深圳)有限公司
  • 2023-03-01 - 2023-10-27 - G06T7/00
  • 本申請提供了一種圖像處理方法以及相關(guān)裝置。本申請實(shí)施例可應用于計算機視覺(jué)領(lǐng)域。其方法包括:獲取目標檢測圖像及模板圖像;根據孿生網(wǎng)絡(luò )對目標檢測圖像及模板圖像進(jìn)行特征對比,生成特征差圖像;對特征差圖像進(jìn)行特征重組,得到特征差重組圖像;對目標檢測圖像進(jìn)行特征提取,得到第一目標特征圖像;通過(guò)互注意力機制網(wǎng)絡(luò )對第一目標特征圖像的像素點(diǎn)特征與特征差重組圖像的像素點(diǎn)特征進(jìn)行處理,得到目標檢測圖像中每個(gè)像素點(diǎn)的缺陷概率分數,其中,缺陷概率分數用于表征相同位置像素點(diǎn)的相似度;最后,根據目標檢測圖像中每個(gè)像素點(diǎn)的缺陷概率分數確定目標檢測圖像中缺陷的位置。本申請提供的方法可以準確的對PCB線(xiàn)路板上的缺陷進(jìn)行定位。
  • 產(chǎn)品的異常檢測方法、裝置、電子設備、存儲介質(zhì)及產(chǎn)品-202310209612.0
  • 詹佳偉;高斌斌;劉俊;汪鋮杰 - 騰訊科技(深圳)有限公司
  • 2023-02-24 - 2023-10-27 - G06T7/00
  • 本申請提供了一種產(chǎn)品的異常檢測方法、裝置、電子設備、計算機可讀存儲介質(zhì)及計算機程序產(chǎn)品,包括:獲取目標產(chǎn)品對應的產(chǎn)品圖像,產(chǎn)品圖像包括至少兩個(gè)圖像區域,至少兩個(gè)圖像區域的圖像內容拼接形成產(chǎn)品圖像;以產(chǎn)品圖像為參考,分別確定與各圖像區域具有互補關(guān)系的互補圖像區域;針對各圖像區域,基于相應的互補圖像區域的圖像內容,重建圖像區域的圖像內容,得到圖像區域對應的重建圖像內容;將各圖像區域對應的重建圖像內容進(jìn)行組合,得到組合圖像;獲取組合圖像與產(chǎn)品圖像之間的差異,并基于差異確定目標產(chǎn)品對應的異常檢測結果。如此,能夠提高產(chǎn)品的異常檢測效率以及精確度。
  • 圖像分割方法、裝置、設備及存儲介質(zhì)-202310118864.2
  • 吳子涵;姚建華 - 騰訊科技(深圳)有限公司
  • 2023-01-31 - 2023-10-27 - G06T7/00
  • 本申請公開(kāi)了一種圖像分割方法、裝置、設備及存儲介質(zhì),屬于圖像處理技術(shù)領(lǐng)域。該方法包括:對生理圖像進(jìn)行二值化處理,得到二值化圖像,二值化圖像包括灰度信息為第一取值的至少一個(gè)第一像素塊和灰度信息為第二取值的至少一個(gè)第二像素塊;基于第一像素塊和第二像素塊之間的最小距離,將第一像素塊的灰度信息進(jìn)行修正,得到距離變換圖像;在距離變換圖像中確定出至少兩個(gè)最值像素塊,最值像素塊的灰度信息為距離變換圖像中的局部最值;根據生理圖像的灰度信息,以最值像素塊的位置為中心進(jìn)行灰度擴散,得到至少兩個(gè)閉合區域;至少兩個(gè)閉合區域之間不存在重疊區域;在生理圖像中根據至少兩個(gè)閉合區域,分割得到至少兩個(gè)細胞級對象。
專(zhuān)利分類(lèi)
×

專(zhuān)利文獻下載

說(shuō)明:

1、專(zhuān)利原文基于中國國家知識產(chǎn)權局專(zhuān)利說(shuō)明書(shū);

2、支持發(fā)明專(zhuān)利 、實(shí)用新型專(zhuān)利、外觀(guān)設計專(zhuān)利(升級中);

3、專(zhuān)利數據每周兩次同步更新,支持Adobe PDF格式;

4、內容包括專(zhuān)利技術(shù)的結構示意圖、流程工藝圖技術(shù)構造圖;

5、已全新升級為極速版,下載速度顯著(zhù)提升!歡迎使用!

請您登陸后,進(jìn)行下載,點(diǎn)擊【登陸】 【注冊】

關(guān)于我們 尋求報道 投稿須知 廣告合作 版權聲明 網(wǎng)站地圖 友情鏈接 企業(yè)標識 聯(lián)系我們

鉆瓜專(zhuān)利網(wǎng)在線(xiàn)咨詢(xún)

400-8765-105周一至周五 9:00-18:00

咨詢(xún)在線(xiàn)客服咨詢(xún)在線(xiàn)客服
tel code back_top