电站汽轮机轴瓦检测方法研究

研究发现JB/T 4272—94《汽轮机锡基合金轴瓦技术条件》中对电站汽轮机轴瓦检测缺陷认定的精度过低,不能满足汽轮机轴瓦检测要求的技术条件。重新进行理论计算,并与实际相结合,制定了新的缺陷认定方法,并在实践中得以验证和应用。     

汉川电厂300MW汽轮机轴瓦缺陷分析及改进

针对汉川电厂１、２号机组４号轴瓦存在刚度不足，瓦温度偏高等缺陷，提出技术分析和改进措施，实践表明，这些措施已取得明显效果，改善了机组的安全稳定运行状况。     

轴瓦合金结合质量的超声波检测方法

针对火电厂发电机组轴瓦的结构特点,介绍利用超声波检测技术从巴氏合金层侧入射对轴瓦的结合质量进行检测,用两种不同方法对结合质量进行判定,为消除机组轴承质量隐患提供依据,达到提高机组运行稳定性的目的.     

工业金属板带材表面缺陷自动视觉检测研究进展

基于计算机视觉的金属板带材表面缺陷检测是冶金工业领域的研究热点,金属板带材制造行业对其表面质量的高标准要求自动化视觉检测系统及其算法性能不断提升。通过回顾关于钢板钢带、铝板铝带和铜板铜带等典型金属板带材产品的110余篇文献,对基于二维和三维机器视觉的表面检测技术进行了系统综述。根据算法性质和图像特征,将现有二维缺陷检测技术分为基于统计、谱、模型和机器学习的4类方法,根据三维数据获取方式,将三维缺陷检测技术分为立体视觉测量、激光扫描仪测量法和结构光测量方法。对经典算法和新近方法进行了介绍、分析和比较。最后,对缺陷视觉检测仍存在的挑战和未来研究趋势进行了讨论与展望。     

基于SSD算法优化的风机叶片缺陷检测研究与应用

风机叶片在运行过程中,由于环境和高速旋转等原因会产生各种缺陷,这些缺陷直接影响风机发电量,严重者甚至导致叶片产生不可逆的损伤,带来巨大的经济损失。针对风机叶片的缺陷识别和检测,采用优化后的SSD(单步多框目标检测)算法,该算法从采集的缺陷样本中自主学习叶片缺陷特征,实现风机叶片缺陷的自动检测、定位和分类。最终在测试数据集上达成mAP(平均精度均值)为82.1%,召回率为90.3%。该算法已应用于企业级项目中,实践证明深度学习算法在企业级项目中具有很好的鲁棒性和商业价值。     

基于STM32微控制器的表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有深度学习视觉检测大多基于云端服务器,存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心,提出了一种基于轻量化网络的表面缺陷视觉检测方法,采用轻量级SSD作为缺陷检测模型,利用MobileNetV1替换原有的骨干网络VGG-16以减小网络规模;采用INT8量化的训练后量化方法对模型进行计算加速,生成的TFlite模型仅有578 KB,运行占用RAM仅为288.29 KB,并在STM32微控制器中实现了模型的移植和部署。实验测试结果表明,该方法能实现锂电池表面划痕和凹坑两种缺陷的边缘侧准确检测。     

基于支持向量机的铝板表面缺陷检测分类

论述了基于机器视觉的铝板表面缺陷检测方法,提取7种铝板表面缺陷的多种特征值作为训练数据进行学习。介绍了支持向量机的原理和核函数的选择,在VC环境中构建支持向量机分类模型,用该模型对铝板表面缺陷进行分类标识,最后对支持向量机分类器的分类准确性、稳健性作出评价。     

锅炉φ133弯管外表面微裂纹缺陷的磁粉检测

介绍采用磁粉检测工艺对某厂φ133 mm×13 mm弯管表面微裂纹缺陷的检测情况,详细说明工艺参数和操作要求,并对影响缺陷检出的原因进行分析。     

锅炉ф133弯管外表面微裂纹缺陷的磁粉检测

介绍采用磁粉检测工艺对某厂133mm×13mm弯管表面微裂纹缺陷的检测情况,详细说明工艺参数和操作要求,并对影响缺陷检出的原因进行分析.     

涡流检测高压电缆附件铅封缺陷的试验研究

为了可靠检测高压电缆铅封状态,解决人工铅封检查效率低下电缆附件故障高的问题,提出高压电缆附件铅封缺陷涡流检测方法。通过分析高压电缆附件铅封常见结构、缺陷,根据涡流检测原理与特点,提出铅封涡流检测的影响因素及适用理论。获取铅封试样制作铅封模拟缺陷,调试铅封涡流检测专用探头、仪器参数,采集、评价有缺陷和无缺陷位置涡流图谱并实施应用试验,验证了依靠常用涡流检测设备检测高压电缆附件铅封表面开裂缺陷的可行性。证明了不拆除外部绝缘条件下的高压电缆附件铅封涡流检测可靠性,铅封试样的涡流检测具有不受检测位置影响、检测速度快、检测精度高的优势。试验研究结果为完善高压电缆附件铅封涡流检测工艺,开展高压电缆铅封接头故障检测提供了有效技术参考。     

基于相关性的钢轨缺陷漏磁检测提离干扰抑制

钢轨是铁路交通的基础设施,漏磁技术常用来检测诸如钢轨之类的铁磁性材料的表面缺陷。针对缺陷漏磁检测信号容易受到提离变化干扰的问题,提出了一种基于相关性的滤波算法。先根据缺陷尺寸、巡检速度和采样速度把检测数据分段,然后在每一段中,比较相邻磁敏传感器x方向采样数据的相关性、各个磁敏传感器x和z方向采样数据的相关性的相对大小,确定本段数据中提离干扰的幅值,以此实现滤波。构建了实验系统对钢轨表面的缺陷进行了检测实验,实验结果表明该算法能有效抑制提离干扰,信噪比增益在1.7以上。     

基于涡流传感器阻抗变化的导电材料缺陷检测

涡流检测是应用在导电材料电磁无损检测和评估中的技术。在常温25 ℃下对试样表面缺陷区域的涡流分布进行有限元仿真分析,提出一种通过涡流传感器线圈阻抗变化对高温100 ℃与150 ℃下导电材料表面缺陷进行检测的方法。分别在常温和高温的条件下进行线圈阻抗测量并产生相应的阻抗3D表面颜色图,通过被测试片表面阻抗的振幅和相位分析其是否存在缺陷。测试结果证明当试件暴露于高温环境中,可以通过涡流传感器线圈阻抗的变化判断被试导电材料表面是否存在缺陷,并且给出了不同温度下缺陷和线圈阻抗之间的关系。     

焊缝渗透检测应用分析

从检测的工艺过程等方面对焊缝渗透检测进行了分析,探讨了影响焊缝渗透检测灵敏度的因素和常见缺陷的显示形态。     

基于改进YOLOX的钢材表面缺陷检测算法

针对工业生产中钢材表面背景复杂导致缺陷检测精度低的问题,本文提出一种基于改进YOLOX的钢材表面缺陷检测算法。首先,引入了Swin Transformer模块来捕获缺陷钢材表面区域全局上下文信息并提取更多差异化特征;其次,采用加权双向特征金字塔网络（BiFPN）,能够方便、快速的进行跨尺度特征融合;最后,对原始目标定位损失函数进行改进,建立了一种融合边界框中心位置的CIoU损失函数从而实现目标框高精度定位。实验表明,算法在NEU-DET数据集上的mAP为80.7%,检测精度相较于原始YOLOX-S网络提高了6.2%,同时也明显高于一些其他主流算法,具有较高的准确率和实用性。     

发电机护环内壁缺陷TOFD检测优化

超声波衍射时差法（TOFD）检测设备缺陷多采用45°、60°和70° 3种常规探头.基于发电机护环的壁厚和材质特性,即便采用45°探头也无法对其内壁缺陷进行准确评定.为此对TOFD检测工艺进行了优化设计,在分析衍射声波传播特性的基础上,提出了20°探头的检测模式,并研制出20°探头.通过对发电机护环内壁自然裂纹进行检测,确定出最佳检测频率为2.25 MHz.在该频率下对模拟缺陷试块进行检测,所得结果与实际情况吻合良好.研究得到的适合发电机护环内壁缺陷的最佳TOFD检测工艺为：20°探头,2.25MHz频率,晶片直径12 mm,声束聚焦深度为护环内壁.按此工艺对壁厚50 mm以内的发电机护环进行检测,能够检出内壁缺陷的最小临界尺寸为2 mm.     

支柱瓷绝缘子表面缺陷振动声学法检测的研究

阐述了支柱瓷绝缘子带电和非带电检测方法及其原理,并就其对表面缺陷的检测效果进行了对比分析,指出采用超声相控阵检测表面缺陷为目前非带电检测时的最佳选择。分析了表面缺陷对支柱瓷绝缘子纵向振动模式下固有频率的影响程度,探讨了该检测方法对支柱瓷绝缘子特定缺陷进行检测的可行性。     

融合自注意力与缺陷凸显的缺陷检测方法

针对无监督缺陷检测中重建网络在抑制异常重建的同时无法保留正常区域细节信息的问题,提出了一种融合自注意力 与缺陷凸显的缺陷检测方法。 首先,在重建网络中引入离散小波变换(DWT)进行下采样, 并使用离散小波逆变换( IDWT)进 行上采样。 相较于传统重建网络,这种方法能减少细节信息的丢失,并对特征进行频率分解。 同时,在跳连接中加入自注意力 模块对特征重新编码,使其重点关注正常区域的细节信息。 此外,设计了一个缺陷区域凸显模块,利用正常样本特征构建特征 库,将从测试图像提取的特征与特征库中特征对比得到异常图,将异常图与重建差值图相结合来改善缺陷定位结果。 在工业缺 陷检测数据集 MVTec AD 上进行测试,在图像级 AUROC 上取得了 99. 3%的结果,同时在像素级 AUROC 上取得了 98. 3%的结 果,在无监督缺陷检测中具有较高的检测精度和鲁棒性。     

电压比较法检测励磁绕组缺陷

用交流电压比较法检测直流励磁绕组匝间绝缘等缺陷。该方法具有简单、直观和检出率高等特点。     

基于融合注意力的多尺度芯片缺陷检测算法

芯片的表面缺陷检测在半导体制造中具有重要意义,针对目前芯片表面缺陷面积小,缺陷外形多变,缺陷尺寸跨度大的情况,提出一种基于YOLOv5改进的芯片表面缺陷检测算法,首先基于ConvNext网络改进特征提取模块,提升网络稳定性和特征表达能力,同时提出增强卷积注意力模块(ehanced convolutional block attention module, E＿CBAM),将更详细的位置信息嵌入到卷积注意力(convolutional block attention module, CBAM)之中,提升整个网络对于小面积及边缘缺陷的检测能力,而针对芯片缺陷多变尺寸跨度大的问题,研究引入了可变形卷积和双向特征金字塔网络(bi-directional feature pyramid network, BiFPN),一方面可变形卷积对于外形不规则的卷积有更好的提取能力,另一方面Neck部分的BiFPN在简化结构的同时保证了多尺度融合的准确性。经过实验表明,改进后的网络在芯片表面缺陷数据集(chip defect dataset, CDD)上,平均精度均值(mAP)mAP@0.5指标达到95.3...     

管道纵向缺陷的超声波检测

提出了在检测管道纵向缺陷时探头楔块修磨参数的计算并对管道中缺陷的定位进行了简单介绍