基于Faster-RCNN的船舶焊缝X射线缺陷图像检测技术应用

将目标检测网络Faster-RCNN应用在船舶焊缝X射线缺陷图像检测中,探讨了Faster-RCNN在X射线焊缝缺陷检测中的效果。针对船舶工业中的X射线焊缝图像,首先采用CLAHE方法对焊缝X射线图像进行预处理,并将焊缝中存在的气孔、裂纹、未熔合等5种具有典型特征的缺陷作为识别目标进行标注并对数据进行增强。在目标识别上,采用ResNet-50作为主干网络来减少梯度弥散现象提高模型准确率,并针对焊缝缺陷目标小的特点对RPN网络锚点参数进行改进优化,同时引入FPN网络提取缺陷特征。最后与其他检测算法进行对比,试验结果表明,该数据集在模型上的m_AP值达到96.33%,可以满足X射线焊缝缺陷自动化辅助检测要求。     

基于残差网络的钢丝绳损伤图像定量识别

目前基于机器视觉的钢丝绳表面损伤检测基本均采用定性检测的方法，在定量检测方面的研究极少，而断丝数量是钢丝绳报废的重要标准，因此，提出一种基于机器视觉和残差网络的钢丝绳表面损伤定量识别方法。将采集到的钢丝绳损伤图像进行批量裁剪，以消去背景噪声；对训练集中的图像利用数据增强技术，进行随机裁剪和随机水平翻转，扩充训练集大小；然后，对数据集中的图像进行归一化和标准化，提高模型的收敛速度；最后将训练集和验证集输入到使用SGD算法优化的残差网络中进行训练，训练结束后再使用测试集对模型进行验证。实验结果表明：经过迭代训练后，模型在测试集上对钢丝绳损伤的定量识别准确率为93.5%。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

基于改进的残差收缩网络的带钢表面缺陷识别北大核心

为解决传统视觉带钢识别无法自主提取图像特征,准确率会受到图像质量的限制等问题,提出了一种改进的深度残差收缩网络带钢缺陷表面质量缺陷识别方法。首先,利用数据增广的方法:旋转和翻转对数据集进行数据扩充;其次,建立残差收缩网络带钢缺陷识别模型,并且使用LeakyReLU激活函数替换原有的激活函数ReLU;再次,利用Adamax对残差收缩网络进行训练过程优化,减少资源的使用效果以及提高缺陷识别的准确率;最后,通过多次实验,然后取识别准确度的平均值。结果表明,带钢缺陷识别方法的准确度可以达到98.88%,优于传统的SVM、卷积神经网络、残差网络以及改进的残差收缩DRESN-CS。     

基于边缘AI的焊缝X射线图像缺陷检测

为了提高深度学习在X射线焊缝缺陷检测中的实用性,降低缺陷检测任务的硬件需求,提出模型参数量仅为3.6?M的YOLO-M网络.?通过在网络中引入轻量级的倒残差结构,减少网络计算量;采用多尺度预测机制,网络分层预测不同缺陷特征;跨网格扩增图片正样本信息,加快网络训练过程中的收敛速度.?结果表明,YOLO-M网络不仅应用于传...     

基于深度学习的铝合金轮毂铸件图像缺陷检测

基于传统X射线图像的铝合金轮毂铸件缺陷检测方法存在人工检测效率低、误检率高、检测精度较差等问题,提出一种基于深度学习的铝合金轮毂铸件图像缺陷检测方法。通过引入直方图均衡化方法,实现533组铝合金铸件X射线图像缺陷特征增强;同时基于Mosaic数据增广策略随机生成含有多尺度不同缺陷类型的新图像数据,提升图像的复杂度;修改了YOLOv5主干网络,引入SENet注意力机制模块对输入特征图的重要通道进行特征提取增强。结果表明,该方法对铸件缺陷平均检测精度(mAP)达到了99.6%,对比YOLOv3、YOLOv4以及YOLOv5主流算法,平均检测精度分别提升了9%、5.1%、4.2%。相较于原网络模型,常见的4种类型(气孔、缩松、裂纹、夹杂)铸件缺陷平均检测精度提升了10.83%。该方法具有更好的泛化能力,可实现铸件多类型缺陷的自动检测,能够满足工业实际需求。     

基于1D-RSLBCNN的齿轮箱故障诊断

针对传统故障模型参数多，训练和检测时间长的问题，提出了基于残差结构和局部二进制卷积(1D-RSLBCNN)的齿轮箱故障诊断方法。其利用局部二进制卷积层来替代传统卷积层，在减少模型参数的同时，加快了训练速度和收敛速度；同时在网络模型中引入残差结构，避免了由于网络深度的增加引起的正确率饱和甚至下降的问题。实验结果表明，局部二进制卷积层的参数量为传统卷积层的1/3,诊断准确率更是高达99.7%。与其他模型相比，具有更稳定、可靠的预测精度。     

基于迁移学习的ROV水下建筑物缺陷识别方法

水下建筑物缺陷检测是保障电厂长期安全稳定运行的关键。为解决检测任务繁重危险,提高检测效率,降低人工检测成本,提出一种基于水下机器人（ROV）的水下建筑物缺陷识别方法。针对水下成像环境复杂、噪声大、检测流程冗长等问题,设计了一种基于迁移学习的图像识别模型。首先,通过图像数据处理算法,提高水下缺陷图像质量,并对图像进行二值化处理,突出缺陷特征;然后通过卷积核提取图像中的突出特征,引入注意力机制对特征重要程度进行计算分配,提高模型特征提取效率;最后在训练过程中引入迁移学习,解决实际缺陷数据不足的问题,提高模型训练效率。结果表明,设计的迁移学习图像识别模型在标准数据集和实测缺陷数据集上准确率达到90%～95%,且迭代次数在30代以内,能够精确高效识别水下建筑物缺陷特征。     

基于稀疏优化的织物缺陷检测方法

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。     

基于Transformer的陶瓷轴承表面缺陷检测方法

针对传统机器视觉检测方法中,由于陶瓷轴承滚动体表面曲率大、对比度低,表面成像模糊导致后续缺陷检测精度低的问题,提出一种基于Transformer的超分辨率残差网络。首先,网络使用残差学习策略,通过预测模糊图像与清晰图像之间的差值,实现超分辨率任务;其次,在网络上前端插入通道注意力模块和空间注意力模块并改进L2多头自注意力模块,以增强图像纹理、改善梯度爆炸问题;最后,针对超分辨率重建任务,提出一种两阶段训练策略优化训练过程。自建陶瓷轴承表面缺陷数据集上的大量实验结果表明,所提出网络模型在客观指标与主观评价上均优于MSESRGAN、VSDR等超分辨率算法,重建图像SSIM为0.939,PSNR为36.51 dB。     

地下管线防腐检测中若干问题的判断

简要介绍地下管道可检测范围，防腐层漏点地表位置，在管体位置漏点大小，开挖验证，防腐层绝缘电阻，管体腐蚀程度，管体是否穿孔等判断技术。     

焊管常用探伤方法及技术

介绍了焊管常用的3种探伤方法(漏磁探伤、涡流探伤和超声波探伤)及技术。分析了3种探伤方法的优缺点:漏磁探伤灵敏度高,能很好地分辨出焊管内外壁缺陷,但长管体、大壁厚管在漏磁探伤后需做消磁处理;涡流探伤检测速度快,但受趋肤效应的限制,很难发现工件深处的缺陷;超声波探伤穿透能力强、缺陷定位准确、成本低、速度快,但探伤操作需经耦合,在北方严冬环境下耦合时焊管易冻结,给探伤作业带来不便。     

汽车冲压模具智能化发展趋势

目前国际市场上汽车制造业竞争异常激烈,信息化、智能化成为主流发展趋势.介绍了汽车冲压模具在智能化发展中的现场应用实例,让工程技术人员更准确的把握冲压模具智能化的发展趋势,指导中国制造2025的技术落地.     

基于DSP的CO2焊短路信号的小波检测

简单介绍了连续和离散小波变换理论,结合CO2气体保护焊电弧电压信号的特点从理论上论证了小波变换方法在波控CO2焊中检测短路信号并给出短路控制信号的可行性.通过真、假短路信号及噪声信号的频谱分析,利用理论定性分析和数学公式的推导讨论了小波变换消除假短路信号和噪声信号干扰的机理.利用Matlab中的小波分析工具箱对实测所得的电弧电压离散数字信号采用不同的小波基进行小波变换分析,从分析中选出一套切实可行的小波变换数字滤波器组.最后在DSP(数字信号处理器)上编程实现短路信号的实时检测,验证了基于DSP的小波变换提高短路信号检测的实时性、准确性及可靠性.     

近表面缺陷的超声TOFDR和TOFDW检测

针对超声TOFD方法存在近表面检测盲区问题,提出了基于二次波的综合超声衍射反射回波方法(TOFDR)和缺陷W衍射反射方法(TOFDW)的检测模式。分析了TOFDR和TOFDW检测方法的超声传播特性,阐明了2种方法的检测原理,研究了它们的近表面理论检测能力。对于TOFDR检测方法,缺陷越近表面,D扫图像分辨特征越好。对于TOFDW检测方法,总体分辨能力大于TOFDR方法,但对于特别浅的近表面缺陷,声波难以识别,而将这2种检测方法综合应用,通过调整检测工艺参数可对近表面缺陷进行识别。通过对人工缺陷试样的检测,研究了综合2种方法结合条件的新检测模式的信号图像特征以及检测灵敏度,2种检测方法结合产生的D扫图像能很好的发现埋藏深度为1 mm的缺陷。     

铸铁件的超声波检测

介绍了超声波探伤原理及铸铁件超声波探伤特点,常见缺陷波形以及超声波传播速度与球化率,力学性能的关系。     

钣金落料品质管理技术手段的新进展

落料是钣金加工的首道工序,应用先进的技术手段进行落料后的品质管理是避免批量报废、节省质检人员开销、提高工作效率的有效途径。智能平面检测仪适用于数控冲床、激光切割机、等离子切割机、水射流切割机、普通冲床等设备生产的二维钣金零件智能快速检测,并具有全尺寸检测与拼接、工程逆向、打印检测报告等功能。     

凝汽器管泄漏在线检测系统的开发

在分析各种凝汽器管泄漏检测方法的基础上，针对凝汽器泄漏的检测现状提出了基于示踪气体的凝汽器管泄漏在线检测系统。该系统把六氟化硫气体作为示踪气体，用两相流的方法喷射到凝汽器管中，如有泄漏则将进入真空室，在尾气中收集示踪气体并由此判断是否存在泄漏及确定泄漏的区域。检测系统主要包括气体处理和喷射系统、漏孔定量和定位系统及自动控制系统等。电厂的应用证明系统能够达到理想的效果。     

复合式制动气室性能在线检测系统设计

设计并实现复合式制动气室性能在线检测系统,弥补国内对复合式制动气室性能在线检测研究存在的不足。引入伺服加载机构,突破以往检测中推杆行程限位装置加载速度不可控的局限,实现限位装置的加载速度精确可调;应用高速数据采集卡和计算机控制技术,提高系统的采集速度和测量精度。可对多类型的复合式制动气室驻车制动腔静特性、行车制动腔静特性、开始释放压力等性能进行在线测试和分析。通过试验分析表明检测系统能真实准确的对复合式制动气室的性能进行在线检测,检测周期小于2min/个,其测量精度达到实际应用的要求,并采用R&R法客观的分析检测系统,已达到新设备的验收条件。     

基于计算机图形技术的螺旋弹簧应力检测装置

为弥补传统检测方法在螺旋弹簧应力检测方面的不足,基于计算机图形技术,研制了一款螺旋弹簧应力检测装置,详细阐述了该新型检测装置的检测原理,对比分析了检测装置的数据与计算模拟仿真数据以及应变片测试数据,确定该装置检测数据的最大误差小于5%。新型检测装置具有操作简便、检测精度高与可实时检测等优点,在螺旋弹簧应力检测领域有广阔的应用前景。