一种基于深度学习的风机齿轮缺陷检测方法.pdf
慧颖****23
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的风机齿轮缺陷检测方法.pdf
本发明提出一种基于深度学习的风机齿轮缺陷检测方法,包括以下步骤:采集风机齿轮的离散数据并转换为时频图;将时频图输入特征提取层中得到多层缺陷特征图;将多层缺陷特征图输入区域候选网络中提取缺陷候选区域;将区域候选区域根据特征相似度进行两两配对,组成缺陷组;将缺陷组输入学习构造器中得到含有共性与差异性信息的缺陷候选区域,然后将其输入分类器中计算预测类别值,计算损失函数并更新网络参数,得到风机齿轮缺陷检测模型;将待检测的风机齿轮图像输入风机齿轮缺陷检测模型,输出得到标识有缺陷候选区域的风机齿轮图像。
一种基于深度学习的工件缺陷检测方法.pdf
本发明涉及一种基于深度学习的工件缺陷检测方法,包括已下步骤:1)图像采集:根据传输带、摄像机、玻璃板等设备搭建工件自动检测装置,通过自动化方式采集待检侧工件图像。2)图像预处理:将采集到的图像通过图像增强、锐化滤波、暗通道去雾等算法进行图片预处理,凸显工件特征,提高检测的准确性与科学性。3)缺陷检测模型:在FasterR?CNN模型基础上,将Resnet50作为主干网络,引入可变形卷积和特征金字塔结构训练缺陷检测模型。并用训练好的模型进行检测,根据缺陷位置和面积大小判断工件是否存在缺陷。4)手柄分类:通过
一种基于深度学习的轮胎缺陷检测方法.pdf
本发明公开了一种基于深度学习的轮胎缺陷检测方法,所述方法包括:获取待检测的轮胎X光图像,输入至训练好的像素级缺陷区域估计网络模型;根据所述像素级缺陷区域估计网络模型的输出结果判断所述待检测的轮胎X光图像是否存在缺陷,并在判断存在缺陷时进一步判断出缺陷类型、缺陷目标框及缺陷边界。应用本发明,能实现轮胎缺陷区域的像素级估计,从而能精确得到缺陷的面积,是轮胎质量判级的重要依据,而且也提高了缺陷检测的精确度。
基于无人机与深度学习的风机表面缺陷在线检测分割方法.pdf
(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030050A(43)申请公布日2023.04.28(21)申请号202310300997.1G06V10/80(2022.01)(22)申请日2023.03.27G06V10/82(2022.01)G06N3/04(2023.01)(71)申请人浙江大学G06N3/08(2023.01)地址310030浙江省杭州市西湖区余杭塘G06V10/26(2022.01)路866号(72)发明人胡伟飞张亚轩方健豪吴荣根魏超刘振宇谭建荣(74)专
一种基于深度学习的皮带缺陷检测方法及系统.pdf
本申请提供一种基于深度学习的皮带缺陷检测方法及系统,检测方法包括:构建皮带训练网络模型,构建构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤;训练皮带训练网络模型得到目标权重文件;向皮带底部发射激光;获取皮带待检测图片;对皮带待检测图片进行解析检测处理得到像素块组;比对像素块组与所述目标权重文件,得到比对结果;判断比对结果是否大于比对阈值;若是,则生成用于关闭皮带机的控制指令。本申请通过上述检测方法及系统提高了对皮带缺陷的不同位置的特征提取能力,提高激光线