专利标题 公开号/公告号 公开日期 摘要 专利状态
一种多目视觉测量系统的多约束相机布局优化方法及系统 CN202310918181.5 - 本发明涉及视觉检测技术领域，公开了一种多目视觉测量系统的多约束相机布局优化方法及系统，该方法建立了相机的多约束模型，可以提升多目布局的效果，从多维度优化相机布局，可以解决相机位于暗室横梁处无法安装的问题、相机位于输送线上方无法安装的问题、相机位于输送线周边导致测点被遮挡的问题、测点位于立面角落时被遮挡的问题、难以按实际安装的问题、相机视野浪费的问题、视野内边缘测点畸变严重导致无法正常加入测量的问题、边缘区域相机少，测点覆盖不足的问题、以及最终参数不合理的问题。 实质审查
一种汽车漆面缺陷检测与打磨方法及系统 CN202310713173.7 - 本发明公开了一种汽车漆面缺陷检测与打磨方法及系统，该方法包括：离线处理：进行检测工位离线采集点位规划，并对多台检测机械臂的轨迹进行规划；进行检测工位离线采集点位标定，并对漆面成像采集组件与检测工位3D定位相机外参进行离线标定；进行打磨工位打磨机械臂与打磨工位3D定位相机手眼标定；在线处理：进行漆面缺陷检测，得到缺陷属性和缺陷位置定位；将缺陷三维坐标和法向通过视觉定位方式传递给自动打磨组件，由自动打磨组件对漆面缺陷进行打磨处理。该系统用来执行上述方法。本发明具有结构简单、适用范围广、智能化程度高、检测和打磨效率高等优点。 实质审查
一种面向光滑物体面型重建的偏折成像方法 CN202310713144.0 - 本发明公开了一种面向光滑物体面型重建的偏折成像方法，其包括：步骤S1：数据标定；在数据采集之前，进行系统位姿标定；步骤S2：条纹图显示，采集图像；通过平面镜使相机采集平面镜反射的屏幕虚像；步骤S3：深度学习，绝对相位重建；步骤S4：群智能算法深度值迭代；步骤S5：波前重构；步骤S6：输出图像，结束。本发明具有原理简单、适用范围广、能够提高检测精度等优点。 实质审查
一种基于相位偏折术的3D相机虚拟环境平台仿真方法 CN202310713064.5 - 本发明公开了一种基于相位偏折术的3D相机虚拟环境平台仿真方法，其包括：步骤S1：根据真实场景的物理信息，利用三维建模软件对真实场景进行等比例建模，在虚拟环境中搭建虚拟调试场景。步骤S2：根据真实场景的相机参数、镜头参数等创建虚拟环境的调试相机，根据真实场景结构约束确定调试相机的活动范围。步骤S3：确定所有相机的虚实映射关系，在虚拟环境中调试相机位姿，将虚拟环境中的成像效果调试到最佳状态，并记录调试数据。步骤S4：导出虚拟环境数据，根据映射关系在真实场景中还原虚拟场景中的相机布局数据，并观察真实场景中的成像效果，实现相机调试功能。本发明具有操作简便、适用范围广、调试方便等优点。 实质审查
一种基于偏折成像的车身漆面缺陷智能检测方法及系统 CN202310714888.4 - 本发明公开了一种基于偏折成像的车身漆面缺陷智能检测方法及系统，该方法包括：步骤S1：车身位姿的计算；当待检测车身进入检测工位后，获取车身点云，通过与参考车身点云或CAD模型配准，估算车身位姿偏差，实现车身位姿的确定；步骤S2：采集点位的规划；基于车身位姿，采集机器人调整离线规划的采集点位轨迹；步骤S3：车身漆面图像的获取；以多节拍的方式获取漆面图像数据；步骤S4：漆面缺陷的检测；基于缺陷检测算法对采集的车身漆面图像进行处理，得出缺陷的尺寸、类型和三维位置。该系统用来实施上述方法。本发明具有原理简单、智能化程度高、检测精度高等优点。 实质审查
一种基于深度学习的汽车漆面缺陷自动检测方法及存储介质 CN202310713163.3 2024-07-02 一种基于深度学习的汽车漆面缺陷自动检测方法及存储介质，该方法包括以下步骤：S1：获取待测车身的图像数据；S2：对图像数据进行处理，得到Hbx和Vbx；S3：利用灰度分层二值化对图像H1和V1做二值化，得到二值图像Hb和Vb；S4：提取二值图像Hb和Vb最大的前景区域，利用连通域分析，得到二值图像中面积最大的连通域，并将面积最大的标签以外的区域置0，得到mask图像；S5：缺陷分割网络的数据输入处理；S6：缺陷二值分割网络的网络构建；S7：二值分割图的缺陷定位处理；S8：通过神经网络推理预测缺陷类型。该存储介质用来存储执行上述方法的计算机程序。本发明具有原理简单、检测精度好、检测效率高等优点。 专利权的授权
目标检测模型的优化方法及计算机存储介质和终端设备 CN202310595491.8 - 本发明涉及目标检测模型的优化方法及计算机存储介质和终端设备，相较于现有技术中目标检测模型的训练方法，为提升模型效果，其不再是在未标注数据集中随机选取、再次标注大量样本，而是首先计算未标注数据集中每个数据的目标信息量，以衡量其位置不确定性、类别不确定性等预测难度，以此选择预测难度系数高，即目标信息量大于设定阈值的数据为有效样本，划入难样本数据集，再在该难样本数据集中选取一定数量的数据、再标注，以进一步优化目标检测模型，其模型效果提升更快速、更显著，整个模型训练过程更快、更精准，能够大大降低大量人工标注成本和时间成本。 实质审查
一种目标检测模型训练方法、目标检测方法及系统 CN202310598098.4 - 本发明公开了一种目标检测模型训练方法、目标检测方法及系统，包括：将有标签数据集中的数据输入学生网络模型，获得损失SLA；将无标签数据集中的数据输入学生网络模型和教师网络模型，得到学生网络模型的特征Featurestdent、目标预测结果Ostdent，教师网络模型的特征Featureteacher、目标预测结果Oteacher；基于Featurestdent和Featureteacher获得损失函数Lfeature，教师网络特征提取模块基于Lfeature指导训练学生网络特征提取模块；通过双阈值对比过滤挖掘方法获取有效的监督信息，基于Ostdent和Oteacher获得损失SLB；基于SLA和SLB，获得总损失Ltotal；教师网络预测模块基于Ltotal指导训练学生网络预测模块；基于学生网络模型的参数更新教师网络模型的参数。本发明能提升无标签数据的目标检测效果，降低人工标注成本，提升模型对在线工作流中数据的适应能力。 实质审查
工件二次定位方法、定位装置、工件坡口切割方法及装置 CN202310314545.9 2023-07-25 本发明涉及工件二次定位方法、定位装置、工件坡口切割方法及装置，包括：基于套料图获得工件的多个待拍照识别部位；工件按设定的初始位置置于切割台上后，获取待拍照识别部位的拍照信息；对待拍照识别部位信息及拍照信息进行匹配获得单应性变换关系矩阵T；针对各待拍照识别部位，基于T进行变换后获得多个匹配结果，求所有匹配结果几何中心的平均值得到点P1；求初始位置信息中多个待拍照识别部位几何中心的平均值得到点P2；计算点P1到P2的偏差值并利用其校偏，获得二次定位结果。本发明能对工件在切割台上的位置进行快速精确二次定位，对工件在切割台的放置位置精度要求低；可寻位异形工件，识别精度高，工作效率高。 专利权的授权
小样本目标检测方法、装置、计算机设备和存储介质 CN202310279245.1 - 本发明涉及机器学习技术领域，提供了一种小样本目标检测方法、装置、计算机设备和存储介质，所述方法包括：获取已有场景下的第一标注数据集和新场景下的第二标注数据集；对第一标注数据集和第二标注数据集分别进行特征提取，并对所提取的特征进行聚类，得到先验特征；利用第一标注数据集和先验特征训练小样本目标检测模型，小样本目标检测模型包括通用目标检测模型、前景增强分支和注意力模块；从第一标注数据集和第二标注数据集中分别选取预设数量的微调数据，利用微调数据对训练后的小样本目标检测模型进行微调；调用微调后的小样本目标检测模型对新场景下的图片数据进行目标检测。采用本方法能够提升新场景下目标检测的效果。 实质审查