浅析一种基于深度学习的自动质量控制方法

生产线自动检测是质量控制系统的重要组成部分，它可以提高被监控产品和过程的整体质量。传统的控制系统故障检测仅限于简单的边界检查，更复杂的非线性信号的分析需由操作员依靠经验来监督质量检查和手动故障检测。本文讨论了机器学习技术，提供了一个基于深度学习的数据分析框架，通过BP神经网络模型对上传的数据进行计算分析，形成一种基于深度学习的自动检测方法，提高产品质量。     

注射机脱模检测控制系统设计

为了提高注射机的自动化程度,用自动检测技术替代传统人工检测,实现对塑料产品脱模的全程检测,提出了一种基于机器视觉检测的注射机脱模过程检测控制系统。首先介绍了注射机生产工艺的基本流程,基于工业控制计算机和图像采集卡设计了注射机自动检测控制系统,并阐述了控制系统的硬件设计和软件设计。同时对机器视觉采集到的图像进行滤波、分割等图像处理,以提高注射机的视觉检测效率。该控制系统可以有效提高注射机的自动化程度,并提高其生产效率。     

火工品闭气塞自动检测装置

介绍了一种用于火工品闭气塞检测的自动装置。利用图像处理技术和PLC控制技术实现了对工件的几何尺寸和表面缺陷的自动检测。详细介绍了该装置的检测原理、方法和实施途径。经对工件实际测试获得了一组测试数据。结果表明，该装置能够显著地提高检测效率和加工质量，其分辨率可达到4μm，对其它火工品异型件的自动检测具有重要的推广价值。     

基于CTP401模块的CT值研究

为了保证CT值测量的准确高效,设计实现了一套CT值自动检测软件,选用CTP401模块为实验对象,将自动检测结果,与人工检测结果和溯源标准值进行了对比分析。结果表明,自动检测可以部分代替人工。为CT机的全自动质量控制打下基础。     

基于移动互联网技术的混合式翻转课堂教学改革与实践

基于移动互联网技术的翻转课堂教学模式，是在现有翻转课堂教学模式的基础上设计的，能有效提升学生的课堂参与度。教师通过增加学生互动和评价环节，促使学生深度参与课堂学习活动，充分调动学生的学习积极性和主动性。教学实践证明，这种混合式翻转课堂教学模式能有效提高课堂教学质量和效率，从而提高人才培养质量。     

基于深度学习的电机故障在线检测技术优化

为有效提高电机故障检测效率,研究建立了深度学习模型,并利用深度学习模型构建在线检测函数。试验结果表明,基于深度学习模型可以降低电机轴承振动干扰信号,以保证清晰识别特征频率,所建立的深度学习检测模型对电机轴承外部的外圈磨损、轴承缺口且有裂纹及保护架破损的精度及准确率均大于98.5%,而电机轴承内部的检测精度与准确率较低,但检测精度仍大于90%,可满足电机故障在线检测要求。研究成果可为电机故障在线检测提供理论参考。     

圆形喷丝板自动检测系统的研究

根据圆形喷丝板的特点,设计了喷丝板自动检测系统。介绍了基于图像的检测原理,并分别从硬件和软件上设计了自动检测系统。该系统通过显微镜对喷丝孔进行放大成像并采集保存。利用数字图像处理技术对每个喷丝孔的像进行分析处理,并判断其是否堵塞。实际使用结果表明该自动检测系统效率高、速度快。     

陶瓷砖平整度检测系统的研究

瓷砖平整度是衡量瓷砖质量的重要因素之一,相比于人工检测平整度,陶瓷砖自动检测系统检测精度更高,节省人力物力。本文介绍了陶瓷砖自动检测系统的原理,并详细分析了自动检测系统使用的算法、硬件选择及软件设计方法,为构建完整的陶瓷砖检测系统提供了理论基础。     

基于人工智能的混凝土配合比优化设计分析

基于人工智能展开混凝土配合比优化设计，可以提高设计精度，节约成本，强化混凝土质量。借助集成学习、深度学习、随机森林算法、蒙特卡罗算法等方法，分析混凝土配合比优化设计模型框架。通过实际混凝土计算分析，经过各算法建立形成的配合比优化模型，效果突出、成本较低、性能较强，不仅满足国家标准和用户需求，也可为设计人员开展后续优化工作提供参考。     

LIS200丝筒自动检测系统

目测法检测丝筒外观因操作困难、工作枯燥乏味而容易让人疲劳，常常导致许多错误或不准确的结果出现，因此丝筒自动检测系统将取代单调的人工目测。激光光学、数据分析以及图像分析领域里的技术进步和高速发展，给检测方法提供了更多的发展机会并节省更多的时间。LIS 200丝筒自动检测系统正是利用了上述科技进步而使其效益率不断提高。     

轨道车辆漆膜自动检测技术研究

结合轨道车辆漆膜质量检测经验,分析了漆膜表面特性测量方法,提出了一种自动检测辅助装置,该装置可控制带有数据输出功能的检测仪器对漆膜质量自动检验。     

基于深度学习的化工过程故障检测与诊断研究综述

化工过程的故障检测与诊断对于现代化工系统的可靠性和安全性具有重要意义.深度学习作为一项新兴的技术,引起了学术界和工业界的广泛关注.从方法的角度出发,将基于深度学习的化工过程故障检测与诊断技术分为:基于自动编码器的方法、基于深度置信网络的方法、基于卷积神经网络的方法和基于循环神经网络的方法,并分别对4种方法的最新研究进展...     

基于工况识别的XGBoost算法在水泥熟料质量预测中的应用

采用数据驱动方法，基于ResNet50深度学习模型和XGBoost算法，实现对水泥熟料中fCaO含量的预测。利用ResNet50模型对篦冷机落料位置图像进行识别，判断区分回转窑的正常与异常工况。通过训练ResNet50模型，对回转窑的实时图像进行分类，可以及时发现潜在问题和异常情况，提高生产过程的稳定性和安全性。基于XGBoost算法，对正常工况下熟料fCaO含量进行预测，并将回转窑的工况和熟料fCaO含量进行关联，可以实现对熟料生产过程的监测和控制，提高熟料品质和生产效率。研究结果表明，基于深度学习的图像识别和基于XGBoost算法的质量预测方法，可以有效地预测熟料fCaO的含量，并为熟料生产提供指导和优化策略。     

基于TOF原理的桥梁病害检测与三维可视化研究

以无人机结合深度学习对桥梁进行病害检测和识别的研究越来越多,也越来越成熟,然而大多数研究仅停留在病害表层二维图像分析处理上,对重点病害的深度信息和三维可视化的相关研究较少。该文提出了一种采用基于TOF原理的AzureKinect深度相机对桥梁重点病害进行检测并获取深度信息的方法,通过对深度相机采集到的原始深度图像保边去噪和图像增强得到病害深度图像,以裂缝病害为例通过Revit建模软件二次开发重构裂缝病害三维模型并结合病害定位信息整合在桥梁可视化模型上。深度信息的获取与病害三维重构将为桥梁病害检测工作提供直观便捷的新方式,有利于提高桥梁病害信息的展示效果和桥梁行业的信息化水平。     

基于深度学习的混凝土孔结构图像法快速分析

根据体视学原理,应用深度学习模型和计算机处理软件(Image-Pro Plus),针对混凝土内部气孔(10μm),介绍了基于深度学习的混凝土孔快速分析方法,并建立了应用于该分析方法混凝土孔结构数据集,计算出了单个截面需要的拍照数,混凝土试样为150,砂浆试样为80,满足了图像分析混凝土孔结构的实用性。结果表明:基于深度学习混凝土孔结构快速分析方法能够提高分析效率,具有良好操作性和典型代表性,适合深入研究混凝土孔结构与宏观性能的关联性;但在提高分析方法的精度方面还需要后续工作不断完善。     

微生物的快速检测

日化工业的发展要求采用快速灵敏的微生物检测方法。目前微生物的快速检测法大致可分为两类 ,即根据微生物生长代谢活动及其产物而建立的方法和基于微生物的组成成分的检测方法。常用微生物自动快速检测系统有ATP -生物荧光自动检测微生物系统和电阻值自动检测微生物系统等。     

深度学习与开放教育资源下眼视光学研究性学习实践与探索

以金陵科技学院眼视光专业教育与人才现状为基础,通过分析开放教育资源现状与学习困境,结合深度学习与研究性学习基本理论,构建了基于项目或问题引导(P&PBL)五步骤深度学习法,探索一种深度学习与开放教育资源下的眼视光学研究性学习实践方式和方法.本方法有利于学生增强学习体验,提高学习效率,提升整体性思维、批判性思维和发散性思维能力.     

基于加权深度支持向量数据描述的工业过程故障检测

传统支持向量数据描述（SVDD）方法本质上采用浅层学习框架,难以有效监控非线性工业过程的复杂故障。针对此问题,提出一种基于加权深度支持向量数据描述（WDSVDD）的故障检测方法。该方法一方面在深度学习框架下重新定义SVDD优化目标函数,构建基于深度特征的深度SVDD监控模型（DSVDD）,并利用核密度估计法计算监控指标的统计控制限;另一方面,考虑到深度特征的故障敏感度差异特性,在DSVDD监控模型中设计特征加权层,分别从静态和动态信息分析角度给出权重因子的计算方法,利用权重因子突出故障敏感特征的影响以提高故障检测率。应用于一个典型化工过程的测试结果表明,所研究的方法能够比传统SVDD方法更有效地监控过程中复杂故障的发生。     

密连接特征金字塔软抑制舰船目标检测算法

舰船目标检测是现代海上智能系统的重要组成部分,构建快速准确识别各类舰船目标系统对监视海运交通,维护海洋权益,提高海防预警能力具有重要作用。本文将现有的深度学习通用目标检测经典算法和舰船检测先验知识结合构建基于密集连接和软抑制的特征金字塔舰船目标检测框架。     

基于特征选取的监控运动目标识别模型研究

根据深度学习网络模型，在YOLOv3框架基础上引进金字塔结构，构建基于金字塔特征选取的YOLOv3目标识别模型。利用深度残差网络提高精度，解决单纯模型加深过程中的退化问题，利用多尺度融合卷积机制实现大范围内小物体的全面检测，规避漏检情况。模型建立完成后进行综合实验，结果证明提出的目标识别模型与传统识别方法相比，在精度和准确性上都有明显提升，对于监控视频中运动目标的识别具有良好效果。