文档详情

一种基于改进YOLOv5卷积神经网络的绝缘子缺陷检测方法.pdf

发布：2023-06-06约2.18万字共20页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819804 A (43)申请公布日 2021.05.18 (21)申请号 202110200871.8 (22)申请日 2021.02.23 (71)申请人西北工业大学地址

显示全部

相似文档

一种基于深度卷积神经网络模型的船舶焊缝缺陷检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819806 A (43)申请公布日 2021.05.18 (21)申请号 202110203174.8 (22)申请日 2021.02.23 (71)申请人江苏科技大学地址
2023-06-03 约2.34万字 17页立即下载
一种基于卷积神经网络的轮胎气泡缺陷检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565575 A (43)申请公布日 2022.05.31 (21)申请号 202210174555.2 (22)申请日 2022.02.25 (71)申请人成都工业学院地址 610031
2023-05-08 约5.86千字 6页立即下载
一种基于VGG16深度卷积神经网络的太阳能网版缺陷检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113362298 A (43)申请公布日 2021.09.07 (21)申请号 202110617025.6 (22)申请日 2021.06.03 (71)申请人长沙理工大学地址
2023-06-17 约9.35千字 10页立即下载
一种基于卷积神经网络的图像缺陷检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113763364 A (43)申请公布日 2021.12.07 (21)申请号 202111056024.5 G06N 3/08 (2006.01) (22)申请日 20
2023-06-29 约2.71万字 23页立即下载
一种基于卷积神经网络的焊点检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113409250 A (43)申请公布日 2021.09.17 (21)申请号 202110579200.7 (22)申请日 2021.05.26 (71)申请人杭州
2023-06-21 约1.8万字 17页立即下载
一种基于卷积神经网络的物品检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117541558A (43)申请公布日2024.02.09 (21)申请号202311543186.0G06V10/764(2022.01)
2024-02-08 约6.41千字 6页立即下载
基于轻量化卷积神经网络的电缆绝缘缺陷检测技术研究.docx 基于轻量化卷积神经网络的电缆绝缘缺陷检测技术研究目录内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.2电缆绝缘缺陷检测技术现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.3轻量化卷积神经网络技术发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7 1.4本文研究内容及目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9 相关理论与技术．．．．．．．．．．．．
2025-04-29 约2.3万字 37页立即下载
基于改进型U-Net卷积神经网络的磁片表面缺陷检测.docx PAGE 1- 基于改进型U-Net卷积神经网络的磁片表面缺陷检测 一、1.磁片表面缺陷检测背景与意义 (1)磁片作为一种重要的存储介质，在信息技术领域扮演着至关重要的角色。随着数据量的不断增长，对磁片存储性能的要求也越来越高。然而，在实际生产和使用过程中，磁片表面容易出现各种缺陷，如划痕、凹坑、污渍等，这些缺陷不仅影响磁片的存储性能，严重时甚至会导致数据丢失。因此，对磁片表面缺陷的检测技术的研究显得尤为重要。 (2)磁片表面缺陷检测技术的研究，旨在提高磁片产品的质量，降低生产成本，提高生产效率。传统的磁片表面缺陷检测方法主要依赖于人工视觉检测，这种方法存在效率低、易疲劳、检测结果主观性强等问
2025-01-19 约2.52千字 5页立即下载
基于改进型U-Net卷积神经网络的磁片表面缺陷检测.docx PAGE 1- 基于改进型U-Net卷积神经网络的磁片表面缺陷检测 一、1.磁片表面缺陷检测背景与意义 (1)磁片作为一种重要的存储介质，在信息技术领域扮演着至关重要的角色。随着数据量的不断增长，对磁片存储性能的要求也越来越高。然而，在实际生产和使用过程中，磁片表面容易出现各种缺陷，如划痕、凹坑、污渍等，这些缺陷不仅影响磁片的存储性能，严重时甚至会导致数据丢失。因此，对磁片表面缺陷的检测技术的研究显得尤为重要。 (2)磁片表面缺陷检测技术的研究，旨在提高磁片产品的质量，降低生产成本，提高生产效率。传统的磁片表面缺陷检测方法主要依赖于人工视觉检测，这种方法存在效率低、易疲劳、检测结果主观性强等问
2025-01-18 约2.52千字 5页立即下载
基于卷积神经网络的变电站设备缺陷检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882005 A (43)申请公布日 2022.08.09 (21)申请号 202210622169.5 G06T 7/73 (2017.01)
2023-05-18 约1.63万字 13页立即下载
基于卷积神经网络的印花织物缺陷检测方法研究.pdf 摘要摘要根据国家统计局数据，即使在疫情影响下，我国规模以上印染企业实现营业收入超2800亿元/年。由于印花织物的附加值较高，在军工用品、服装制衣、高端家纺制品、家居装饰品及产业用品中需求量极大。然而在生产过程中由于纺织机械、工艺以及生产环境干扰等因素，不可避免地会产生各种缺陷，而缺陷的存在直接决定其质量及价格。因此，印花织物的缺陷检测已经成为纺织企业中不可缺少的环节。目前，国内印花织物缺陷检测主要依靠人工目测的方
2025-05-26 约8.75万字 58页立即下载
基于改进YOLOv8卷积神经网络的蟹味菇检测方法.docx PAGE 1- 基于改进YOLOv8卷积神经网络的蟹味菇检测方法 一、1.背景与意义 (1)随着全球农业产业的快速发展，农产品质量检测在保障食品安全和促进农业可持续发展中扮演着至关重要的角色。蟹味菇作为一种高营养、高品质的食用菌，其市场需求的逐年增长对检测技术的精确度和效率提出了更高要求。传统的蟹味菇检测方法，如人工肉眼观察和化学分析法，不仅耗时费力，而且准确率有限。因此，开发一种高效、准确的蟹味菇检测技术对于提高生产效率和产品质量具有重要意义。 (2)近年来，深度学习技术在图像识别领域的应用取得了显著成果，为农产品检测提供了新的技术途径。YOLOv8作为最新一代的YOLO系列目标检测算法，以
2025-01-19 约1.8千字 4页立即下载
一种基于改进图卷积神经网络的船舶交通流预测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565124 A (43)申请公布日 2022.05.31 (21)申请号 202210030818.2 G08G 3/02 (2006.01)
2023-05-08 约2.12万字 18页立即下载
基于YOLOv5神经网络的应力波木材空洞缺陷检测研究.docx 学校代码：10225 学号： Z 2 2 5 0 2 专业学位论文基于 YOLOv5 神经网络的应力波木材空洞缺陷检测研究指导教师姓名：刘嘉新副教授东北林业大学赵寒涛高级工程师黑龙江省科学院智能制造研究所申请学位类别：机械硕士专业领域：控制工程论文提交日期： 2022年4月论文答辩日期： 2022年5月授予学位单位：东北林业大学授予学位日期： 2022年6月答辩委员会主席：论文评阅人：学校代码：10225 学号： Z22502 专业学位论文基
2023-10-13 约9.01万字 153页立即下载
一种基于宽卷积神经网络的图像去噪方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801897 A (43)申请公布日 2021.05.14 (21)申请号 202110071024.6 (22)申请日 2021.01.19 (71)申请人西安理工大学地址
2023-06-05 约1.75万字 18页立即下载