基于深度学习的铸件DR图像缺陷检测

为了对精密铸件DR(digital radiography)图像中的缺陷进行准确分割,提出一种基于深度学习语义分割的铸件DR图像缺陷检测算法。首先在原始U-Net网络模型上设计混合损失函数,以此来缓解类不平衡问题;然后采用AdamW(Adam with weight decay)优化器使模型加速收敛,同时使检测精度得到提升。最后使用PReLu激活函数代替ReLu,提高模型泛化性。实验结果表明,改进的U-Net模型对精密铸件DR图像缺陷能够得到有效分割,检测精度较高,且模型参数量较少,能够在工业现场进行部署。     

基于深度网络迁移学习的致痫区脑电识别* .txt

摘要：致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换（CWT）对脑电信号进行时频分析,获得脑电信号时频图;然后迁移学习AlexNet网络模型,调整网络结构使之适应于致痫区脑电识别,将模型第7层全连接层输出作为脑电信号时频图的特征表示,最后利用支持向量机（SVM）、BP神经网络、长短期记忆网络（LSTM）、基于稀疏表达分类算法（SRC）、线性判别分析（LDA）等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果,得到SVM算法的平均特异性为8881%,灵敏度为8807%,准确率为8844%,证明了该方法识别致痫区脑电信号的有效性。 .txt     

基于贝叶斯思想的框架结构损伤检测方法研究* .txt

摘要：基于单自由度体系的统计矩理论,以位移四阶矩和加速度八阶矩为损伤指标,使用贝叶斯思想和Gibbs抽样相结合方法,提出一种框架结构损伤检测新方法。以理论分析为基础选取3种典型损伤指标,在信噪比40及30 dB环境噪音的不同损伤工况下,使用贝叶斯思想和Gibbs抽样相结合方法,对某12层标准框架数值模型的不同损伤指标进行了损伤识别效果的对比研究,并在此基础上与其他相似检测方法进行对比分析,发现使用贝叶斯思想和Gibbs抽样相结合的新方法,提出的损伤指标更适合框架结构损伤检测,与标准结果偏差均在5%以内。进一步分析12层标准框架振动台试验数据,选取3个典型振动工况中所有梁柱单元及前20个振动工况累积下的典型梁柱单元分别进行损伤检测,结果表明,所提方法避免了多次采样进行贝叶斯分析的局限性,且一定程度上能反映各损伤单元随振动台试验工况累积而表现出来的损伤程度变化,有助于推动所提方法在框架结构损伤检测中的实际应用。 .txt     

基于Mask R-CNN的铸件X射线DR图像缺陷检测研究

针对传统的铸件缺陷检测不能对缺陷进行分类分级等问题,提出了一种基于Mask R-CNN的铸件X射线DR图像缺陷检测算法。首先对原始图像进行预处理,采用引导滤波进行图像平滑,平滑图像与原图像进行差分得到差分图像,将差分图像与平滑图像相加运算使图像增强,再利用Labelme进行图像标注,形成训练数据集。送入Mask R-CNN深度学习网络,通过特征提取网络生成建议区域,分类、回归网络生成边界框和掩码,经多次参数调节后得到训练网络模型,最后测试数据集。实验数据结果表明,气泡1～5级的检测率分别为:66.7%,71.4%,77.4%,88.9%,87.5%;疏松1～5级检测率为:62.5%,72.2%,77.1%,83.3%,81.1%。检测结果证明应用Mask R-CNN结合引导滤波增强方法的缺陷检测方法可以较好的实现对铸件X射线DR图像的缺陷检测的分级分类,为工业铸件缺陷检测提供了应用深度学习方法的解决方案。     

基于个体协同触发强化学习的多机器人行为决策方法* .txt

摘要：为了提高多机器人行为最优决策控制中强化学习的效率和收敛速度,研究了多机器人的分布式马尔科夫建模与控制策略。根据机器人有限感知能力设计了个体 协同感知触发函数,机器人个体从环境观测结果计算个体 协同触发响应概率,定义一次触发过程后开始计算联合策略,减少机器人间通讯量和计算资源。引入双学习率改进Q学习算法,并将该算法应用于机器人行为决策。仿真实验结果表明,当机器人群组数量在20左右时,本文算法的协同效率较高,单位时步比为1085 0。同时距离调节参数η对机器人协同搜索效率有影响,当η=0008时,所需的移动时步比和平均移动距离都能达到最小值。通过双学习率的引入,该算法较基于环境模型的强化学习算法具有更高的学习效率和适用性,平均性能提升35%,对于提高多机器人自主协同能力具有较高的理论意义及应用价值。 .txt     

零参考模型用于工业机器人定位精度提升研究* .txt

摘要：几何参数建模是机器人标定的基础,直接影响机器人定位精度。为解决常用几何参数模型当机器人相邻两轴线垂直及接近垂直时存在奇异性,建立了基于方向矢量和连接矢量的零参考模型(ZRM),该模型不仅满足完备性与连续性要求,而且使用该模型计算机器人末端位置和姿态简单直观;建立了几何参数标定误差模型,通过使用LeicaAT960激光跟踪仪对Staubli TX60和ER10L C10两种工业机器人末端大量位姿实测,经正交三角分解去除冗余参数,采用LM算法对几何参数误差辨识,并与基于MDH模型的标定结果比较,实验结果证实,采用零参考模型标定后机器人末端平均绝对定位精度提升75%~90%,明显高于采用MDH模型标定结果,该模型适于在有高精度定位精度要求工业机器人中推广。 .txt     

基于双层修正无迹卡尔曼的水下节点定位算法* .txt

摘要：针对水下无线传感网络中运动节点定位精度低的问题,提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测,根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中,DLMUKF算法的平均定位误差约为传统多边定位算法的15%,约为基于无迹卡尔曼滤波（UKF）定位算法的16%,受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值,可以有效减小运动节点的定位误差。 .txt     

轮辋类螺纹表面成像的光照方法研究* .txt

摘要：针对摩托车车轮结构多样性导致外观质量检测的自适应成像空缺的光照问题,提出了一种基于类螺纹剖线灰度分布的单位牙幅值评估方法来优化轮辋光照方向,能够采集到清晰的加工纹理图像。首先,对轮辋的加工纹理表面剖线建立了以牙为单位的类螺纹剖线几何模型;其次,结合单位牙结构和轮辋结构的阴影条件约束了光照方向,并在类螺纹剖线的几何模型上模拟了不同方向的光线产生的光亮度;最后,根据建立的亮度差异公式获取类螺纹剖线的灰度分布中幅值最大化的光照方向。对提出方法进行有效性评估实验,结果表明不同方向的光照对单位牙产生不同程度的亮度差异;由于秩和分布的差异统计量Zstatistic<196,表明所提的亮度差异公式符合实际;光照方向优化实验表明轮辋在-120°光照方向下类螺纹纹理及其他缺陷均能清晰成像。 .txt     

基于面板工艺的数字微流控芯片 .txt

摘要：针对传统数字微流控芯片电极数量少和制造成本高的问题,对基于面板工艺的数字微流控芯片进行了设计、制备和验证。引入现有成熟的液晶面板设计与制造技术,在玻璃基板上完成金属、绝缘层、有机膜、ITO等膜层的图形化加工。结合常规半导体旋涂工艺,完成疏水层的制备。实验成功地制备出一种集成有480个电极的单基板数字微流控芯片样品。通过合理的驱动电极排布与驱动信号时序设计,实现了低成本化的微流控芯片的设计与制造。对于所设计的微流控芯片进行了功能验证,实现了液滴的连续移动,最低驱动电压可达到25 V,可驱动液滴的体积范围为8～50 μL。还通过系统化的实验对芯片的有效工作条件进行了验证。 .txt     

改进Mask R-CNN的交通场景多目标快速检测与分割

针对智能驾驶中出现的交通场景多目标检测与分割效率低、鲁棒性差等问题,提出一种改进的Mask R-CNN交通场景多目标快速检测与分割方法。首先采用轻量级MobileNet作为骨干网络,有效减少网络参数并压缩模型体积,提升后续嵌入式端的算法移植能力,其次通过优化FPN与骨干网络卷积结构,保证高底层之间特征信息的完整传递,通过调整超参数得到交通场景多目标检测与分割改进网络模型。设计不同交通场景下的对比实验,改进网络能够准确实现多目标的检测与分割,平均检测精度可达85.2%。在ApolloScape和NuScence数据集上进行迁移实验,改进网络展示出良好的泛化能力。本文所提出的改进骨干网络与网络结构优化,能够适应多种复杂交通场景,完成交通场景多目标的快速检测与分割,为智能驾驶提供了理论依据与技术方案。     

基于深度学习模型融合的铸件缺陷自动检测

针对目前铸件缺陷检测漏检率高的问题,提出一种基于深度学习模型融合的铸件缺陷检测方法.首先对Faster RCNN网络进行改进,利用特征金字塔结构改进特征提取网络模块,实现多尺度的特征融合,完成铸件缺陷的特征提取;然后,基于ROI Align对网络中的ROI池化层进行改进,将IOU分数引入NMS算法判定过程;再将改进后的...     

纸基底印刷无芯片RFID湿度传感器* .txt

摘要：提出了一种基于纸基底的喷墨印刷无芯片RFID湿度传感器,通过遗传算法与射频仿真软件HFSS相结合,对常规开口环谐振器结构进行分布式加载,得到目标频率为245 GHz的谐振特性良好的传感器模型;采用DMP3000型材料打印机,在不同纸基底上喷墨印刷银墨水制作传感器,以纸张本身的吸水性实现湿度传感;研究不同纸基底对湿度传感器感湿灵敏度和恢复度的影响。结果表明,柯达相纸传感器的灵敏度最高,高湿灵敏度可达到8 MHz%RH,双铜纸湿度传感器恢复度高且恢复时间短,仅为2 min;两种基底湿度传感器皆有较好的一致性、中长期稳定性,且湿敏特性在20℃～30℃范围内受温度影响较小。对纸基湿度传感器的感湿机理进行了分析,纸主要成分纤维素表面的羟基与吸附的水分子作用形成氢键,改变了基底的介电参数,传感器的湿敏特性与纸的成分和结构有关。 .txt     

基于循环多核相关熵的故障检测方法及应用* .txt

摘要：针对传统基于二阶统计量的循环平稳信号处理方法不能有效处理脉冲噪声干扰的问题,提出了一种基于循环多核相关熵的故障检测方法。首先,给出了多核相关熵的定义,推导了循环多核相关熵函数和循环多核相关熵谱密度函数计算公式,分析了循环多核相关熵的降噪机理;其次,用仿真信号验证了在低噪声比（SNR=-5）情况下循环多核相关熵的降噪性能,表明了循环多核相关熵不仅能有效抑制高斯噪声,而且能有效抑制非高斯噪声,循环多核相关熵为高斯、非高斯噪声的处理提供了一种鲁棒性处理方法;最后,将循环多核相关熵方法应用于齿轮箱齿轮齿面磨损故障诊断,实验结果表明：循环多核相关熵具有解调功能,能准确刻画齿轮齿面磨损故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号,提高了信噪比,证明了此方法为一种齿轮故障诊断的有效方法。 .txt     

基于LabVIEW和Mask R-CNN的柱塞式制动主缸内槽表面缺陷检测

为了解决传统图像处理方法对于铸铝材料表面缺陷检测通用性不高、准确度低等问题,研究了一种基于Mask R-CNN神经网络的缺陷检测系统。首先,采用自主研发的缺陷检测装置采集柱塞式制动主缸内槽表面图像,对其进行预处理,制作成Microsoft COCO格式数据集;其次,搭建适用于该数据集的Mask R-CNN神经网络结构,并绘制训练过程损失函数与平均精度均值曲线;最后,将检测结果与基于SVM和Faster R-CNN模型的检测结果进行比较,统计了3种神经网络模型的单图检测平均时间和识别率。试验结果表明,在相同样本条件下,该方法的识别率比另外2种方法高,达到了93.6%,能够更精确地检测柱塞式制动主缸内槽的表面缺陷。     

基于视觉的汽车装配件缺陷检测研究进展

汽车装配件的缺陷检测是汽车制造流程中的重要环节,不仅可以提升产品质量,降低退货率,避免成本浪费,还可以为驾驶人员提供安全保障。 最早的缺陷检测依靠专家经验,准确度低,人力成本大,而无损检测技术依靠介质,且效率不高。 引入机器视觉不仅可以平衡检测精度和效率的问题,还能提高检测系统的鲁棒性,是最有发展潜力的缺陷检测技术之一。 本文首先给出了视觉缺陷检测的定义和主要流程,简述了视觉缺陷检测系统中的图像采集硬件,然后从常用的缺陷分割方法、特征提取方法、卷积神经网络 3 个方面综述了近年来汽车装配件缺陷检测的研究进展,并对比分析了相关方法的优缺点。 接着把汽车的装配件大致分为轮毂轮胎、车身漆面、零件、发动机等 4 类,总结了缺陷类型及其缺陷检测算法的研究现状。 随后介绍了与汽车工业相关的 10 个数据集和缺陷检测性能评价指标。 最后指出针对汽车装配件的缺陷检测目前面临着诸多方面的技术挑战,并对进一步的工作进行了展望。     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。