检索结果-南通市图书馆

焊接学报 2024年第8期45卷 85-94页

作者：张晓丹白石刘志尧林禹熙黄平郑福印沈阳工业大学信息科学与工程学院沈阳110870

为了实现航空锂电池极耳极板激光焊缝的高效准确检测,设计制作了带有层析成像功能的多通道多频涡流检测系统.采用该系统及5通道防干扰差分结构涡流传感器对极耳极板焊缝中的局部断焊、整体漏焊、焊缝变形内凹、微小缺陷等典型缺陷进行检... 详细信息

为了实现航空锂电池极耳极板激光焊缝的高效准确检测,设计制作了带有层析成像功能的多通道多频涡流检测系统.采用该系统及5通道防干扰差分结构涡流传感器对极耳极板焊缝中的局部断焊、整体漏焊、焊缝变形内凹、微小缺陷等典型缺陷进行检测,并基于趋肤效应原理,采用层析成像技术对焊瘤缺陷进行扫查成像.结果表明,研发的带有层析成像功能的多通道多频涡流检测系统可有效检测出锂电池极耳极板焊缝中的多种典型缺陷,最小可检测1 mm的缺陷,层析成像技术可实现不同深度下缺陷的形貌观测.通过对大量检测结果的对比分析,总结了缺陷种类、位置及长度的判别方法,提出了一套缺陷判别流程与评定准则,为实现锂电池极耳极板焊缝检测的工程化奠定了良好的基础.

关键词：锂电池极耳极板焊缝多通道多频涡流层析成像微小缺陷检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的TC4钛合金零件微小缺陷超声相控阵检测图像降噪方法研究

引用

航空制造技术 2023年第22期66卷 46-52页

作者：汪小凯蒋秋月关山月华林武汉理工大学现代汽车零部件技术湖北省重点实验室武汉430070 武汉理工大学汽车零部件技术湖北省协同创新中心武汉430070 武汉理工大学材料绿色精密成形技术与装备湖北省工程中心武汉430070

钛合金因具有强度高、耐蚀性好、耐热性高等特点被广泛用于航空航天等领域,针对其内部微小缺陷超声相控阵检测过程中存在信噪比低、易漏检等问题,提出一种基于深度学习的微小缺陷超声相控阵检测图像降噪方法。首先通过钛合金试块相控阵... 详细信息

钛合金因具有强度高、耐蚀性好、耐热性高等特点被广泛用于航空航天等领域,针对其内部微小缺陷超声相控阵检测过程中存在信噪比低、易漏检等问题,提出一种基于深度学习的微小缺陷超声相控阵检测图像降噪方法。首先通过钛合金试块相控阵检测试验获得缺陷含噪原始图像,采用Mask RCNN模型训练并构建高噪–低噪数据集,进而基于变分自编码器设计微小缺陷检测图像降噪模型,通过与传统滤波降噪、时频域降噪算法对比,证明所提出的算法可保留原始图像缺陷细节信息,与含噪原图对比,其峰值信噪比优化了11.35%,结构相似性提升154.17%。最后开展了某钛合金航空机匣环件超声相控阵检测试验,采用所提方法对环件内部φ0.2 mm平底孔缺陷检测图像进行降噪处理,有效降低了散射噪声对微小缺陷检测的影响,同时也证明所提降噪算法具有良好的泛化性能。

关键词：超声相控阵微小缺陷检测图像降噪深度学习自编码器(AE)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的高速连接器高精度表面缺陷检测算法研究

基于深度学习的高速连接器高精度表面缺陷检测算法研究

引用

作者：陈绪浩电子科技大学

学位级别：硕士

随着当今物质生活水平的提高,制造业的标准也在逐步提高,工业制造的元件越来越精密,产品要求越来越高,常用的工厂检测已经不能适应现今大规模的生产进程,并且会束缚生产进度。比如人工检测主要通过工人肉眼识别元器件缺陷,但要求操作工... 详细信息

随着当今物质生活水平的提高,制造业的标准也在逐步提高,工业制造的元件越来越精密,产品要求越来越高,常用的工厂检测已经不能适应现今大规模的生产进程,并且会束缚生产进度。比如人工检测主要通过工人肉眼识别元器件缺陷,但要求操作工有着丰富的经验以及大量的时间与耐心,且对微小缺陷的检测准确率低。传感器检测能够有效检测部分缺陷,但不同的缺陷需要不同的传感器来检测,有些精密传感器的价格极其昂贵,大大增加了成本。传统的表面检测方法已经不能适用于现今应用场景,所以利用机器学习智能方法来进行缺陷检测受到了工业界的喜爱,越来越多的研究者将目光投入到了人工智能在工业大数据中的应用。本文基于深度学习对高精度的表面缺陷识别进行研究与算法优化,将高速连接器表面0.05mm-0.5mm的微小缺陷作为主要检测对象,采用mask rcnn为基础模型,提出了anchor尺度自调节算法与自关注区域算法,实现了高速连接器高精度表面缺陷检测精确度的提高与误检区域的减少,实验证明,对于0.05mm-0.5mm的微小缺陷,优化后的模型检测正确率提高到95%,对于高速连接器的高精度表面缺陷检测取得了良好的检测效果。本文工作的重点主要在以下几个方面:（1）深入了解目标检测与语义分割的相关技术模型,调研国内外相关研究现状,针对本文应用场景选择模型与优化方向。（2）搭建图像拍摄平台,对拍摄的图像进行预处理,构建相应的训练数据集。（3）配置训练所用服务器平台,根据硬件平台安装所需软件库,对模型进行初始预训练效果测试。（4）针对mask rcnn模型进行深入原理推导,提出两种优化算法:anchor尺度自调节算法与自关注区域算法,并在模型中进行应用,检验其优化效果。（5）对训练好的模型进行应用部署,设计人机交互界面与各项功能,实现生产线上的快速应用。

关键词：深度学习微小缺陷检测卷积神经网络高速连接器模型训练

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的表面微小缺陷精确检测方法研究

基于深度学习的表面微小缺陷精确检测方法研究

引用

作者：马腾电子科技大学

学位级别：硕士

在产品生产过程中,由于制造工艺简单、操作不当等因素,导致产品表面缺陷难以规避。若未能及时处理这些缺陷,将对产品的外观和功能产生重大影响。传统的人工检测依靠肉眼识别缺陷,存在速度慢、成本高的缺点。伴随图像处理、模式识别等技... 详细信息

在产品生产过程中,由于制造工艺简单、操作不当等因素,导致产品表面缺陷难以规避。若未能及时处理这些缺陷,将对产品的外观和功能产生重大影响。传统的人工检测依靠肉眼识别缺陷,存在速度慢、成本高的缺点。伴随图像处理、模式识别等技术的发展,基于机器视觉的自动检测已充分应用于产品质检环节。但是,针对产品表面存在的微小缺陷,机器视觉检测难以充分提取微小缺陷的特征信息,漏检现象时常发生。由于深度学习拥有自主学习特征的性质,能够提取缺陷目标更深层次的特征,为微小缺陷的精确检测提供可行之道。本文研究基于深度学习的表面微小缺陷检测算法,主要的研究内容分为以下三个方面。首先,设计YOLOv3-M目标检测算法。通过对比分析主流目标检测算法,结合检测任务的要求选择YOLOv3检测框架,在此基础上进行改进并设计YOLOv3-M目标检测算法。主要改进如下:a)针对小目标检测精度不足的问题,本文将经过YOLOv3主干网络8倍下采样的特征图进行2倍上采样,再与4倍下采样特征图融合,获得尺寸更细的特征图以提高网络对小目标的检测精度。b)为了改善目标定位存在偏差的现象,本文使用K-means++算法优化初始聚类中心的位置,从而改善先验框的参数,生成符合目标尺寸大小的先验框;同时采用基于GIOU的损失函数替换原始的IOU损失函数,在原始的损失函数中添加预测框与真实框的非重叠区域的计算,使网络对两个边界框之间的偏差更加敏感。其次,制作并增强数据集图片。本文将收集的手机屏幕缺陷图片和铝材瑕疵图片制成两个标准的VOC数据集,由于生成的缺陷图片稀少,因此需要对缺陷图片进行翻转、旋转、裁剪、平移等操作实现数据集增强。最后,设置三组对比实验来评估两个缺陷数据集和YOLOv3-M算法。实验一,在YOLOv3算法中运行两个缺陷数据集和Dataset数据集,测试结果是三种数据集的检测速度相近,Dataset数据集的检测精度略高。实验二,使用手机屏幕缺陷数据集训练并测试YOLOv3和YOLOv3-M模型的性能,模型修改前后对应的m AP分别为78.2%和83.4%,增长5.2%。实验三,在两种检测算法中运行铝材瑕疵数据集,YOLOv3-M获得的m AP为82.6%,相比YOLOv3提高3.4%。并且在实验二、三中,两种算法获得的FPS均在35左右。实验结果表明,YOLOv3-M算法由于引入多尺度特征融合检测技术、Kmeans++聚类函数和基于GIOU的损失函数,对于工业领域中表面微小缺陷的检测任务,可以在保证检测速度的前提下,获得更高的检测精度。

关键词：深度学习微小缺陷检测 YOLOv3 特征融合数据集增强

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

PCB AOI检测中微小缺陷成像分析与检测

引用

印制电路信息 2013年第5期21卷 18-20页

作者：邹美芳金刚北京凌云光视数字图像技术有限公司北京100195

自动光学检测(AOI)已成为PCB检测的主要方式,线路板微小缺陷检测对于AOI系统是严峻的挑战。研究线路板微小缺陷的成像问题。运用成像理论,研究了欠采样条件下微小缺陷的成像特点,分析了缺陷尺寸与像素分辨率的比例及采样相位对成像的影... 详细信息

自动光学检测(AOI)已成为PCB检测的主要方式,线路板微小缺陷检测对于AOI系统是严峻的挑战。研究线路板微小缺陷的成像问题。运用成像理论,研究了欠采样条件下微小缺陷的成像特点,分析了缺陷尺寸与像素分辨率的比例及采样相位对成像的影响,并进行了实验验证。该研究对PCB AOI系统的设计和检测性能分析有重要意义。

关键词：线路板检测自动光学检测欠采样成像微小缺陷检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：