本发明公开了一种基于原木弯曲度的木材切分点定位方法和装置，该方法包括：对若干帧原木三维图像进行原木三维点云的提取后，将提取出的原木三维点云进行融合和滤波，以得到第一原木三维点云；对第一原木三维点云进行逐块横向切片，以获得若干个切片圆弧；对若干个切片圆弧进行圆拟合，以得到所有拟合得到的圆的圆心点；将所有圆心点分别向平行原木传输带方向和原木传输带侧向方向投影后，对投影方向的离散点进行曲线拟合，根据拟合曲线的曲率确定出原木的弯曲点及其弯曲度。该装置包括用于执行上述定位方法的处理器。本发明能实现弯曲木头切分点的自动定位选择，提高原木利用率且减少加工操作，自动化水平高，可广泛应用于木材加工领域中。
📄 2018109737420
📂 G06T7_00
👤 华南农业大学
📅 2018-08-24
本发明公开了一种基于多层CNN及图像处理的焊缝缺陷检测与标记方法，首先，对焊缝图像I进行预处理；然后，利用多层卷积和池化处理预处理后的图像，提取不同层次特征，得到特征图y；其次，对特征图y进行1×1卷积操作得到分割结果图u，再进行尺寸回归得到分割结果图v；最后，将分割结果图u和特征图y进行特征组合，得到特征向量xi，将所述特征向量xi送入SVM中，得到缺陷分类，同时，对所述分割结果图v进行连通域分析，得到缺陷标记信息。该焊缝缺陷检测与标记方法使用多层CNN结合SVM，并利用图像处理进行缺陷标记，解决了焊缝缺陷检测中需要缺陷样本规模大、人工检测效率低和传统机器视觉检测鲁棒性差的问题。
📄 2023113626614
📂 G06T7_00
👤 沈阳航空航天大学
📅 2023-10-19
本发明涉及一种用于视网膜病变分级检测的增强方法。利用Transformer模块增强CNN网络对全局特征的敏感性；通过交叉注意力模块建立图像间交互；通过多层次特征图有效获取和整合与各种病灶大小相关的信息。本发明基于眼底图像的视网膜病变分级检测有积极的促进作用。
📄 2024104238154
📂 G06T7_00
👤 闽江学院
📅 2024-04-09
本发明公开了一种基于围道积分的椭圆图像检测算法，包括：步骤S1，输入待检测图像；步骤S2，对待检测图像进行预处理，生成二值边缘图像；步骤S3，在二值边缘图像中，对椭圆周坐标的像素值进行积分运算，得出椭圆围道积分像素密度值；步骤S4，重复步骤S3，直至遍历二值边缘图像的全部椭圆周坐标，得到全部椭圆围道积分像素密度值；步骤S5，读取相邻两个差值最大的一组或多组椭圆围道积分像素密度值；步骤S6，判断读取的椭圆围道积分像素密度值是否构成一个椭圆，若是，则提示识别成功，输出椭圆参数，若否，则提示识别失败。本发明可明显减少计算量、有助于节省系统成本、提高运算精度以及提高运算效率。
📄 2020105768569
📂 G06T7_00
👤 深圳企业云科技股份有限公司, 何洋
📅 2020-06-22
本发明涉及检测算法技术领域，具体公开了一种LCD导光板的表面缺陷检测算法，其中，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。本发明提供的LCD导光板的表面缺陷检测算法具有检测精度高且检测能力强的优势。
📄 201910085601X
📂 G06T7_00
👤 江南大学
📅 2019-01-29
本发明公开的基于改进yolov3的铝型材表面缺陷视觉检测方法，包括以下步骤：采集铝型材表面缺陷原始图像并进行预处理和标注得到铝型材缺陷数据集，基于铝型材缺陷数据集选择出具有代表性的锚框并构建和训练改进yolov3目标检测模型，利用改进yolov3目标检测模型获得待检测铝型材表面缺陷的类别和位置信息。本发明基于改进yolov3的铝型材表面缺陷视觉检测方法，通过在原始yolov3网络的基础上修改多尺度预测网络部分的结构、针对铝型材表面缺陷的尺寸分布重新设计了anchor框大小，降低了铝型材表面小目标缺陷的错检率和漏检率。
📄 2021101821208
📂 G06T7_00
👤 西安理工大学
📅 2021-02-08
本发明提供改进背景先验和前景先验的二维码区域检测方法，通过将输入的原始图像G进行凸包检测，并进行超像素分割，对每种超像素尺度下的图像分别进行多特征提取，计算原始图像G的背景显著图，计算原始图像G的前景显著图，融合所得最终的背景显著图和最终的前景显著图得到弱显著图，根据由弱显著图生成的训练样本，采用多核学习增强的方法训练得到强显著性模型，将此模型应用到所有测试样本中得到强显著性图；最后加权融合强显著图和弱显著图，得到最终显著图，最终显著图中最为高亮的部分即为图像中二维码区域；该方法能够准确、一致高亮的突出显著目标，能够精确的检测图像中的二维码区域。本发明方法，在显著目标检测的准确性方面更具优势。
📄 2020105945614
📂 G06T7_00
👤 江苏科技大学
📅 2020-06-28
本发明公开了一种CMOS图像信号相关噪声参数估计方法。图像灰度熵虽然对于无噪图像的纹理分析有较好的结果，但对于包含噪声的图像并不是十分理想。本发明的步骤如下：一、在目标图像中提取出多个大小为d×d的图像块。二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度。三、将各图像块按照纹理强度从小到大进行排序；取前M个图像块作为低纹理图像块。四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值。五、得到目标图像的信号相关噪声参数。本发明通过改进的局部二值模式定义了一种较为精确的计算图像块纹理强度的新方法，并将其应用到低纹理图像块的选择中。
📄 2019105891791
📂 G06T7_00
👤 杭州电子科技大学
📅 2019-07-02
本发明公开一种联合流形排序和改进凸包的显著性检测方法，步骤是对输入的图像首先通过流行排序算法(MR)在CIELab颜色空间上对图像的前景进行提取，在CIELab颜色空间上通过颜色特征计算得到显著区域的大致位置的显著图，将显著图融合提取的前景图像得到先验图；其次通过高斯金字塔算法对图像进行降采样，得到两种不同尺度的图像，结合经典的Harris算子检测原图和两种不同尺度图像的角点，将三者求交集得到更合理的凸包；然后利用颜色直方图结合凸包来计算观察似然概率；最后根据已有的先验图和似然概率,结合贝叶斯模型得到显著图。与现有技术相比，本发明的方法能够快速有效的检测图像的显著性区域，得到一致高亮的显著目标，得到较符合视觉感知的显著图。
📄 201810466087X
📂 G06T7_00
👤 江苏科技大学
📅 2018-05-16
本发明公开了基于纹理感知和异常检测的布匹表面瑕疵检测方法及装置，包括：获取被检布匹表面图像；将所述被检布匹表面图像输入深度学习网络模型；通过所述backbone网络提取多尺度特征图；通过所述纹理感知特征提取模块处理所述特征图，以融合跨通道与跨空间的纹理信息；通过所述neck网络集成异常检测分支，并输出不同尺度的特征图；通过所述自适应频域卷积模块对特征进行频域增强与空域特征提取运算并融合；通过所述YoloHead检测头输出检测结果，以判断布匹是否具有瑕疵。本发明能够有效利用布匹图像中的纹理特征信息，提高布匹表面瑕疵的检测准确性、鲁棒性和对未知瑕疵的识别能力。
📄 2025113429992
📂 G06T7_00
👤 广东工业大学
📅 2025-09-19
本发明公开了一种面向齿轮表面缺陷检测的分层多尺度特征分析与动态注意力增强方法及系统包括：通过高清成像设备采集齿轮表面图像；将所述齿轮表面图像输入基于YOLOv11架构的深度学习网络，所述深度学习网络集成分层多尺度特征提取模块和动态蒙特卡洛注意力机制；使用所述分层多尺度特征提取模块提取跨尺度缺陷特征；使用所述动态蒙特卡洛注意力机制生成自适应注意力权重；输出齿轮表面缺陷的位置、类别及置信度。本发明融合多分支异构卷积与蒙特卡洛动态注意力机制，显著提升了对复杂背景下多类型缺陷的识别能力，并有效提高了检测精度与推理速度。
📄 2025111896406
📂 G06T7_00
👤 广东工业大学
📅 2025-08-25
本发明涉及一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法及装置，方法包括：采集待检测印刷电路板图像；将所述待检测印刷电路板图像输入深度学习网络模型，输出所述待检测印刷电路板图像的表面缺陷检测结果，其中，所述深度学习网络模型通过印刷电路板表面缺陷数据集训练获得，所述深度学习网络模型通过多尺度特征融合策略融合不同尺度特征、通过通道特征与空间特征聚焦于关键特征区域。本发明能够有效利用印刷电路板图像中的特征信息，提高印刷电路板表面缺陷的检测准确性和鲁棒性。
📄 2025111152932
📂 G06T7_00
👤 广东工业大学
📅 2025-08-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台