買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉大連理工大學(xué)申請的專利一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115170586B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210831481.5，技術(shù)領(lǐng)域涉及：G06T7/11；該發(fā)明授權(quán)一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法是由劉洋;馮坤;嚴(yán)志斌;尹鵬博;韓磊;崔家誠;劉巍;張洋設(shè)計(jì)研發(fā)完成，并于2022-07-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法在說明書摘要公布了：本發(fā)明屬于機(jī)械加工領(lǐng)域，提出一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法；首先獲取激光條紋圖像并定位，制作數(shù)據(jù)集，使用訓(xùn)練結(jié)果作為分類器，通過二分法確定邊界閾值，基于二階矩評估最佳閾值，實(shí)現(xiàn)快速精確分割激光條紋與周圍背景。本發(fā)明提出的方法解決在各種顯著、復(fù)雜的背景噪聲影響下圖像處理困難的問題，實(shí)現(xiàn)在復(fù)雜工業(yè)環(huán)境中，精確地分割激光條紋與周圍背景。此外，在深度神經(jīng)網(wǎng)絡(luò)中損失函數(shù)中增加懲罰因子，實(shí)現(xiàn)了僅C1類型的高分類精度。

本發(fā)明授權(quán)一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法在權(quán)利要求書中公布了：1.一種基于有監(jiān)督學(xué)習(xí)的條紋閾值分割方法，其特征在于，具體步驟如下： 第一步，獲取光條圖像并定位； 搭建激光輔助雙目視覺測量系統(tǒng)，激光輔助雙目視覺測量系統(tǒng)包括兩相機(jī)、轉(zhuǎn)臺2、激光發(fā)射器3和信息采集系統(tǒng)7；轉(zhuǎn)臺2位于相機(jī)支架中間處轉(zhuǎn)動(dòng)，兩相機(jī)分別位于相機(jī)支架上、轉(zhuǎn)臺2兩側(cè)，激光發(fā)射器3位于轉(zhuǎn)臺2上隨之轉(zhuǎn)動(dòng)；激光發(fā)射器3向被測物5發(fā)射激光形成激光光條6，兩相機(jī)連接信息采集系統(tǒng)7獲得光條圖像，基于多特征聚類的方法定位激光光條區(qū)域； 第二步，制作激光條紋二值圖像的數(shù)據(jù)集； 在豎向方向上均勻?qū)⒓す鈼l紋區(qū)域劃分成多塊圖像，根據(jù)灰度和閾值分割圖像，得到訓(xùn)練數(shù)據(jù)，為訓(xùn)練數(shù)據(jù)打標(biāo)簽，得到激光條紋二值圖像的數(shù)據(jù)集； 所有的激光條紋二值圖像類別為： 其中，l為圖像分割閾值，rolh,l是從圖像切割得到的第h幅、使用圖像分割閾值l分割得到的圖像，C0為白噪聲圖像，C1為無噪聲圖像，C2為黑噪聲圖像；b0是C0和C1之間的邊界閾值，b1是C1和C2之間的邊界閾值；L是圖像的灰度等級； 然后將激光條紋二值圖像的數(shù)據(jù)集隨機(jī)劃分成訓(xùn)練集、驗(yàn)證集和測試集，用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)； 第三步，訓(xùn)練深度殘差網(wǎng)絡(luò)； 設(shè)置網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)，建立深度殘差網(wǎng)絡(luò)，深度殘差網(wǎng)絡(luò)包括輸入層、最大池化層、Block層、全連接層和損失層，網(wǎng)絡(luò)參數(shù)是W＝{w,b,γ,β,ωfc}； 輸入層于網(wǎng)絡(luò)開端輸入第i張圖像PROLi； 最大池化層，步長為2，置于輸入層的下一層和全連接層的上一層； 其公式如下： 其中，1是卷積核的尺寸大小，是輸入數(shù)據(jù)中執(zhí)行最大池化的2×2矩陣中的四個(gè)閾值； Block層由卷積層、BatchNorm層和ReLu層組成，用于對上一層的輸出依次進(jìn)行卷積運(yùn)算、BatchNorm運(yùn)算和線性整流運(yùn)算；其公式如下： 其中，ω和d是卷積層的訓(xùn)練參數(shù)，γ和β是BatchNorm層的訓(xùn)練參數(shù)，x是輸入圖像的二維數(shù)組集合，和分別是輸入數(shù)據(jù)的平均值和方差，和分別是BatchNorm層運(yùn)算后的集合和卷積層、BatchNorm層和ReLu層的順序集合； 全連接層用于將Block層計(jì)算得到的特征空間映射樣本標(biāo)記空間，減少特征位置對于分類結(jié)果的影響；將特征空間長向量轉(zhuǎn)換成一個(gè)短向量后輸出，與標(biāo)簽對齊；其公式如下： 其中，xH是全連接層的輸入向量，長度為H＝1024；ωfc是全連接層的訓(xùn)練參數(shù)；gWPROLi是整個(gè)網(wǎng)絡(luò)輸入為PROLi的輸出向量，長度為3，對應(yīng)于激光條紋二值圖像的三種類別C0,C1和C2； 損失層置于深度殘差網(wǎng)絡(luò)的輸出端，通過損失函數(shù)用于計(jì)算全連接層的輸出gWxi與圖像標(biāo)簽yi的誤差，判斷訓(xùn)練效果；圖像標(biāo)簽yi定義為： 其中，是輸入圖像xi的第k維標(biāo)簽數(shù)據(jù)； 在損失函數(shù)中分別引入softmax函數(shù)的結(jié)構(gòu)和交叉熵誤差，實(shí)現(xiàn)多分類；同時(shí)為了提高類別C1的分類精度，增加懲罰因子，控制誤差和學(xué)習(xí)率； 損失函數(shù)為： 其中，χk是懲罰因子，僅在圖像錯(cuò)誤分類成C1時(shí)提高學(xué)習(xí)的懲罰力度，滿足χ1＞χ0＝χ2＝1； 將第二步中分類好的數(shù)據(jù)集訓(xùn)練深度殘差網(wǎng)絡(luò)； 第四步，基于二階矩評估最佳閾值； 使用訓(xùn)練好的深度殘差網(wǎng)絡(luò)分類數(shù)據(jù)集；挑選出一張C1類型的圖像；通過二分法找到b0和b1，最優(yōu)的分割圖像閾值介于b0和b1之間；提取閾值b0和b1之間所有圖像的形狀特征；其公式如下： 其中，Mh,l是類別C1激光條紋的形狀特征，和分別是u和v的平均值； 再計(jì)算這些圖像二階矩特征的平均值；找出圖像二階矩與Mh,l最接近的二值圖像即為最優(yōu)分割圖像；其公式如下： 其中，是圖像的最優(yōu)分割閾值； 拼接所有圖像最優(yōu)分割結(jié)果，得到激光條紋圖像的分割結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人大連理工大學(xué)，其通訊地址為：116024 遼寧省大連市甘井子區(qū)凌工路2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。