排序方式: 共有16条查询结果,搜索用时 15 毫秒
2.
3.
基于双线性CNN与DenseBlock的导光板标记线缺陷检测 总被引:1,自引:0,他引:1
导光板标记线检测是导光板制造品控中的一个重要步骤, 但在使用传统图像算法进行检测的过程中, 有大量的气泡、严重污染和无标记线的情况存在. 因有大量气泡, 严重污染和无标记线的情况造成人工特征难以设计, 因此, 使用基于卷积网络的方法来代替人工特征设计进行缺陷检测. DenseNet 卷积神经网络较其他分类神经网络具有参数较少, 梯度收敛稳定等特点. 因DenseNet 卷积神经网络中使用特征融合的思想, 保证了图片分类准确率. 通过迁移学习的方法, 将训练得到的DenseNet 网络权重迁移到Bilinear-CNN算法进行训练, 提升卷积神经网络局部注意力, 提高图像分类准确率. 通过实现结果表明, 所提方法具有可行性, 相比于V2-ResNet-101网络结构, 准确率提升至95.53%, 参数减少了97.2%, 平均单张图像检测时间减少25%. 相似文献
4.
针对当前避雷器故障诊断及运行状态评估参考指标量互相孤立的不足,提出了一种基于信息融合思想的避雷器运行状态评价模型。模型将避雷器在线监测、带电测试、停电检修、现场巡检等多源数据作为指标量,并利用最优组合赋权法计算指标量权重,克服了权重系数易受单一赋权方法影响而造成的偏倚;将避雷器运行状态作为评价量,通过隶属度函数建立指标量和评价量之间的数据关联规则,从而对避雷器运行状态这一带有模糊性的定性量用模糊集合进行定量评价;最后对故障避雷器进行解体分析,证明了本文提出的避雷器综合评价模型的有效性。 相似文献
5.
微型齿轮在精密仪器设备中经常使用,其齿长的误差大小与整个仪器的精密准确性密切相关。传统微型齿轮检测以人工检测为主,人工检测存在检测精度低、量化不准确的问题。为了能够精确的计算齿长误差,并给出量化结果,文章提出一种基于机器视觉的微型齿轮齿长误差检测系统,先通过小波变换去除图像噪声,然后使用Radon变换算法矫正零件图像,再使用一种基于局部区域特征的三次曲线模型提取感兴趣区域亚像素边缘信息,并通过投影映射精确计算边界位置,最后计算齿轮中心点的动态极差并以此数据作为判断齿长是否合格的标准。实验结果表明,该方法精度可达到2 μm,准确率可达到99%,单帧检测时间平均18 ms,一个零件大约5 s可以给出可靠的结论,该方法效率高,准确性好,能够满足工业检测的要求。 相似文献
6.
7.
8.
首先分析了传统方法在处理速度上的缺陷,然后根据水声信号仿真的特点,提出了一种在频域同时完成重采样和滤波的方法.这种方法的主要过程通过FFT来实现,大大加快了信号仿真的处理速度.试验结果表明,在声呐信号仿真中,该方法能够较快地完成重采样和滤波的任务,使声呐信号的实时仿真得以实现. 相似文献
9.
变电站的运行管理可简单概括为,通过“两票三制”及设备缺陷管理,来确保电能质量在系统要求的合格范围内,并保证电网安全、可靠、经济地供电。从多年来的运行情况看,运行人员应熟练掌握以下8项重点工作。1 加强保护压板、光字牌和信息的管理 (1) 光字牌、信号灯是运行人员观察设备及系统运行状况的眼睛,在监盘工作中,如能对其变化了如指掌,并能按其变化正确快速地处理,将对系统的安全提供可靠保障。 (2) 压板是保护功能运行与否的关口,且又无防误操作监控,所以运行人员在投退压板操作时,必须核对其双重编号,并观察核对有打印信息的变… 相似文献
10.
通过对500kV电抗器油的色谱分析,判断故障原因,确定故障类型,并进行了处理。 相似文献