刀具破损在线检测系统的研究

本文论述了一种比较先进的使用切削力遥测系统对刀具的破损进行检测的方法,并给出了可将刀具被损状态与其它切削工况区分开来的可自动调整滤波频率的数字滤波算法原理及其实现。     

一种新型谐振式非接触流体声发射传感器的研制

研制高灵敏度、安装使用方便、抗干扰能力强的传感器是刀具磨破损监测研究需要解决的关键技术 .本文根据刀具磨、破损监测的特点 ,研制了既可用于刀具磨损状态监测 ,也可用于刀具破损监测的谐振式高灵敏度流体声发射传感器 .对研制的流体声发射传感器性能进行了实验研究 ,结果表明传感器对刀具磨损产生的声发射信号具有较高的灵敏度 .     

基于Attention-LSTM的CNC刀具破损在线检测系统

为了在数控（CNC）机床批量加工过程中对刀具破损进行检测以减少残次产品,提出一种利用机床主轴功率信息,基于Attention-LSTM的CNC生产线刀具破损在线监测方法。该方法以数控系统内置传感器作为数据源获取机床主轴功率时间序列,在数据采集环节中,需要分辨加工过程中的不同工序以及该工序所使用的刀具编号。因此,在数据采集环节中,同时对数控代码和主轴功率进行采集,使用数控代码解析方式对采集数据进行处理,完成加工过程的工序识别,再使用Attention-LSTM算法对主轴功率数据进行预测,然后利用DTW算法计算时间序列相似度。加工过程功率时间序列和标准时间序列之间的相似程度应当处于合理的阈值范围内,否则认为此次加工过程中发生刀具破损。以FANUC数控系统为平台进行实验,验证了刀具破损识别的准确率。     

切割刀具图像边缘破损检测方法仿真

采用目前方法对切割刀具边缘进行破损检测时,没有对刀具图像进行增强处理,导致方法存在图像对比度低、适用性能差和检测精度低的问题.提出基于直方图均衡化的切割刀具边缘破损检测方法,利用天然橡胶刀具图像的灰度中值,在分割直方图等面积原则的基础上进行灰度直方图分割处理,均衡化处理分割处理后的各子灰度直方图,完成天然橡胶刀具图像的...     

基于轻量级双层金字塔结构的伞裙破损检测算法

在无人机电力线路巡检系统中，针对伞裙破损检测的准确性和实时性，该文提出了一种基于双层金字塔结构的轻量级伞裙破损检测算法，通过充分提取图片中高低级语义特征，可有效防止有用信息被过滤。同时，利用多通道特征增加了模型特征表达能力。此外，该文还利用深度可分离卷积来优化卷积内核性能，使其可以在低功耗嵌入式系统上实时运行。实验结果表明，该算法在不同光照、拍摄角度和破损模糊条件下，对伞裙破损检测均有较好的准确性、实时性和鲁棒性。     

基于仿生机器鱼的水下网箱破损视觉检测方法研究

随着我国水产养殖业的快速发展,网箱养殖已成为我国渔业发展的重要方向。网箱破损是水产养殖中遇到的主要问题,但破损检测存在人工作业风险高、网箱破损定位难和水下图像质量差的问题。文章以水下仿生机器鱼为载体,提出了水下网箱破损视觉检测方法。针对水下网箱破损定位问题,建立了水下成像几何模型,可实现坐标转换和目标定位;针对水下视频数据存在视角摆动和亮度失真问题,提出了基于特征信息的图像稳像方法和融合导向滤波的图像增强算法;针对网箱破损检测过程中图像特征提取难度大和误差率高问题,应用边缘检测特征提取算法实现了高精准的网格特征提取和检测。实验结果表明,该方法对网箱破损识别率达93%,定位误差在5%以内,可准确检测和定位网箱破损。     

基于VC++的鸭蛋破损测控软件设计

用Visual C＋＋编制出基于Windows2000的蛋壳破损检测软件,可以自动采集敲击声音信号,分析并判别蛋壳是否破损,并向后续控制装置发出分级控制信号。软件还可以记录生产情况,并实时显示敲击声音信号波形图,检测参数可根据实际需要进行调整。     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

基于机器视觉的滤布破损检测与信息管理系统

多种食品的生产过程中,经常需要使用滤布对原料进行过滤,去除杂质,保留优质原料。而滤布在多次重复使用的过程中需要经常折叠与压挤,容易造成滤布的破损,若滤布有破损任然使用将会造成原料的浪费。基于此设计了一套滤布破损检测方案:在滤布使用前利用高清摄像机对滤布进行实时的监控,处理器对实时采集的图像进行处理,识别滤布是否有破损,并将破损信息保存到信息管理系统中。     

基于细化滤波的刀具表面疵病检测方法研究

研究切削刀具表面疵病的准确检测问题,刀具表面的瑕疵比较微小,瑕疵像素特征过于细微,瑕疵的像素特征数量不足。传统的瑕疵像素特征的识别方法不能获取足够的瑕疵像素,进而不能建立准确的特征像素检测模型,存在漏检测率较高的问题,为此,提出了一种刀具表面细化滤波的瑕疵检测算法。利用图像多次细化滤波分割技术,对微小的瑕疵特征进行有效的分割,最终将刀具表面的细微疵病检测出来。实验表明,对刀具表面疵病检测系统能够准确地将所有疵病检测出来,并且不会二次损伤刀具,为刀具表面检测提供了依据。     

基于图像的珍珠表面细微破损检测技术

研究珍珠表面破损检测问题,提高检测的准确性。针对珍珠表面十分光滑,细微的破损时常发生,传统的图像检测或者肉眼检测很难保证珍珠表面细微破损被准确检测出来。造成检测的准确率不高的问题,为了解决这一问题,提出采用计算机视觉图像的珍珠表面细微破损检测方法。通过去除图像中的噪声和一些干扰测量的部分。采用非规则破损表面的测量方法,通过精密测量珍珠图像映射圆表面的像素缺失度,完成珍珠表面细微破损检测。实验证明,上述方案切实可行,可以达到较高的精度,取得了令人满意的效果。     

计算机视觉在精密模具破损检测系统的应用

在图像准确检测问题的研究中,由于在高精密仪器中,各种损伤极其细微,传统的利用模具高斯曲线拟合检测技术在进行这种破损检测时,往往会因为破损部位过小,造成特征混淆,特征寻优过程陷入不收敛的境地,从而降低了精密模具破损检测的准确性.为了避免上述缺陷,提出了一种边缘像素定位的精密模具破损检测算法.利用像素灰度差值方法,提取精密模具图像的像素特征,并将其作为精密模具破损检测的数据基础.利用一种边缘像素定位方法,计算精密模具破损区域边缘的空间位置,从而实现精密模具的破损检测.实验结果表明,利用改进算法进行精密模具破损检测,能够提高检测的精度,从而满足精密模具生产过程中质量检测的需求.     

路面交通线破损图像智能检测优化研究北大核心CSCD

路面交通线破损图像智能检测的研究极大的提高了对路面维护和保养的效率。针对现有系统获取图像较难且像素差、处理图像算法效率低等问题,提出了城市智能监控系统路面交通线破损图像智能检测算法。即通过城市智能监控系统获取图片样本,采用高斯低通滤波和脉冲耦合神经网络相结合算法对样本进行滤波分割处理来突出路面交通线等有效信息,智能检测和计算分析图片纹理特征并得出结果。根据标准样本和检测样本的检测结果进行对比分析做出结果判断,在检测出路面交通线存在明显破损时对市政部门提供及时的预警。实验结果表明,改进系统获取图片方便且像素高,同时检测速度快、可靠性高,可运用于实际路面交通线破损等路面状况的检测系统。     

TMS320F206 DSP在破损纸币检测中的应用

介绍了完成破损纸币自动检测的一种方法,并给出了基于TM320F206 DPS的破损纸币检测电路的硬、软件设计要点。     

基于无人机摄影电力线缆破损位置检测方法

由于部分电力线缆所处环境较为恶劣,极易发生损坏且人工检测可操作性不强,导致位置检测结果与实际破损位置误差大,因此提出基于无人机摄影电力线缆破损位置检测方法。标定无人机采集图像坐标系,提取电力线缆破损有效位置信息。采用色彩空间分割技术,获取图像灰度值,对无人机摄影图像进行校正处理。使用差分计算梯度分量算法,对图像处理结果展开迭代计算,完成破损点定位分析实现电力线缆破损位置的检测。经实验证实,此方法位置检测结果与实际破损位置误差最小,有效提升了电力线缆破损位置检测精度。     

Delcam数字化先进制造

一、旋风铣区域清除加工策略旋风铣是Delcam拥有专利的最新的高速区域清除加工策略,它是专门为硬质合金刀具开发的一种革命性加工策略,可最大限度发挥硬质合金刀具的效力,尤其适合于可使用全侧刃深切削的模型(图1)。     

基于对称性的颌骨复位方法研究及应用

针对严重错位骨折的颌骨复位口腔外科手术,提出一种帮助医生进行术前规划和准备的破损颌骨复位方法。首先使用移动立方体(MC)算法从患者CT 图像中提取颌骨的面片模型;然后结合图割算法、形状直径函数(SDF)描述子和混合高斯模型的交互式分割方法,允许医生通过简单的勾画快速分割出破损骨块;最后基于颌骨的对称性特性自动完成破损骨块复位。通过破损骨块复位完成颌骨模型重构,能完整保留对医生非常重要的骨折线信息。该方法已应用于自主开发的计算机辅助破损颌骨复位系统,并使用安徽医科大学附属医院的患者数据进行了测试,结果表明了该方法的有效性。     

基于小波分析的声发射刀具状态判析

提出了一种基于小波分析的声发射刀具状态判析方法,该方法通过多层小波分解对信号主能量所处频段进行局部特性刻画,利用小波分解系数2——范数表征信号的奇异性,在统计量与刀具状态间建立物理联系。实例表明:该方法能有效地判断刀具状态,并具有较好理论基础与操作性。     

基于机器学习的刀具表面缺陷检测及分类方法

刀具在生产的过程中,由于人员、机器、环境等多方面原因,刀具的表面会出现各种缺陷,如划痕、碰撞凹坑、涂层剥落和边缘豁口;这些缺陷会严重影响刀具的质量和外观,对于刀具的缺陷检测,目前主要采用人工目检的方式,人工检测方法效率和准确率都比较低;为解决上述问题,提出一种刀具缺陷的自动化检测及分类算法;针对刀具图像的预处理,提出了一种基于双边滤波的降噪方法和基于差分的对比度增强算法;对于刀具的缺陷检测任务,提出了基于图像差分的缺陷检测算法;对于缺陷的分类任务,提出了一种基于SVM的分类算法,即通过提取缺陷区域的形状、纹理等特征来训练SVM分类器;最后对提出的缺陷检测及分类算法进行实验,结果表明算法的缺陷检出率达97.2%,分类准确率可达94.3%;算法能够很好地满足工业需求,可以替代人工实现刀具缺陷的自动化和高效率检测。     

基于IVC Studio的破损硅片检测系统设计

在光伏工业中,硅片的质量对光伏组件的性能有着重要的影响,破损硅片的检测是保证硅片质量的重要措施之一。针对现有破损硅片检测系统效率低,自动化程度不高等问题,引入人机交互的思想,采用了德国西克公司的IVC-2D硬件平台,选择背光光源和智能相机作为系统的核心设备,并基于该公司IVC Studio软件平台,根据硅片检测的需求,设计了合理的检测算法,分别处理硅片线段、导角等的检测,实现了破损硅片的缺陷判断与处理。实验结果表明该系统效率高,易于操作并且具有良好的可靠性。