基于Ethernet的超声检测技术研究

研究了超声检测仪的以太网接入技术，以实现超声检测的远程控制。在介绍ARM920T核芯片A191RM9200结构特点的基础上，提出了A191RM9200实现Ethernet功能的系统软硬件设计方案。最后在局域网内对系统进行了测试，测试结果表明：系统设计方案可行，网络数据传输速度稳定，性能可靠。     

基于深度学习的颈动脉超声图像斑块分割算法

中风是全球范围内导致死亡人数最多的疾病之一,动脉粥样硬化生长和衰退的监测对中风发生的危险预测具有重要意义.准确获取颈动脉斑块轮廓是斑块监测和易损性分析的基础.因此,本文基于二维超声提出一种深度学习的颈动脉斑块的自动分割方法(U-PResNet)来精确获取斑块轮廓.U-PResNet对U-Net网络结构进行改进,并融合了...     

金属材料超声无损检测的算法研究与应用

以超声信号特征为依据,结合小波频段变更降噪法和经验分解降噪法对比分析,根据超声无损检测模型,将不同带宽的噪声加入到需要采集的噪声,运用MATLAB对目标信号进行降噪处理,并对金属材料存在缺陷深度为1英寸和3英寸的试件进行检测,研究结果显示,经验分解降噪法相对于小波频段变更降噪法在金属材料回波降噪处理的优势更明显,经过降噪处理的超声信号对金属材料无损检测更显著,该研究对金属材料无损检测提供了科学依据。     

基于优化YOLOv5s的道路场景车辆检测算法研究

为了解决人工识别车辆耗时耗力的问题,开展了面向道路场景的智能车辆检测算法研究,旨在实现智能化的车辆检测。提出了一种基于深度学习的道路车辆检测模型,通过采用轻量化且易于部署和开发的YOLOv5s模型作为基础模型,同时引入CA、SE和CBAM三个经典的注意力模块来替换YOLOv5的主干网络中的C3模块,使网络模型能够更好地聚焦于车辆区域,提升了车辆检测的准确性。这使得模型在保持高效性和易用性的同时,能够更好地适应复杂道路场景下的车辆检测需求。实验结果显示,将CBAM注意力模块引入网络模型后,在UA-DETRAC数据集上进行车辆检测的平均精度均值可达92.3%,相比其他注意力模块,其表现更为出色。这一研究结果对于实现智能化的车辆检测具有重要意义,有望为道路交通监控、驾驶辅助系统等应用提供更可靠的解决方案。     

激光超声技术在工业检测中的应用与展望

国防和工业现代化建设的发展对无损检测技术的需求越来越高,激光超声技术(laser ultrasonic technology,简称LUT)作为一种完全非接触式无损检测技术(nondestructive testing,简称NDT),可以在高温、高压、辐射等环境中对复杂结构件进行原位检测与监测。首先,介绍了超声的激光检测技术及LUT的优势;其次,举例说明激光超声无损检测技术(LUTNDT)在工业中的具体应用案例以及存在的一些问题,并给出解决途径;然后,对超声信号的处理方法进行阐述;最后,对LUTNDT在先进制造中的应用前景进行了讨论与展望。     

基于超声清洗的在线PH检测系统的研究

锅炉给水在线PH检测系统连续测量PH值时，PH值受许多因素的影响，它随温度的变化呈非线性反应。采用计算机对PH值进行自动补偿。系统包括了电极清洗系统，从而有效地提高了PH检测的准确性，以代替原来的人工检测，取得了相当满意的效果。     

基于两阶段深度迁移学习的面料疵点检测算法

针对针织格纹面料疵点检测存在检测实时性差和疵点数据稀缺的问题,提出一种基于两阶段深度迁移学习的面料疵点检测算法,实现对疵点的实时高精度检测与检测模型的高效训练.第一阶段迁移:设计面料疵点先验知识迁移算法,通过聚类算法求得交并比最优的四类疵点预选框尺寸参数,使用带有先验知识的疵点预选框替代基于特征的定位方法,实现面料疵点...     

面向机器人环境共融的图像去雪算法

针对雪天气影响共融机器人视觉系统鲁棒性的问题,提出了一种基于雪模型和深度学习融合的去雪算法。根据雪的成像过程推导了一个简化的雪模型,设计了一个基于该模型的深度去雪网络,该网络由雪花检测子网络和去除子网络串联组成。雪花检测子网络采用了残差学习网络,该网络可以准确地学习雪图像和无雪图像之间的差异。去雪子网络采用了密集连接的U型网络。它一方面利用U型网络保留背景的细节信息,另一方面利用DenseNet将低层特征复用到高层的特点来提高去雪的准确度,将它们结合后缓解了去雪过度导致背景细节丢失和去雪不彻底之间的矛盾。试验证明这种基于雪模型的深度去雪网络能够较好地检测和去除图像中的雪花。     

基于机器视觉的电厂数字仪表识别算法研究

数字仪表读数识别技术被广泛应用在电厂中,但是电厂中复杂环境为仪表读数获取带来了很大困难。为了解决光照不均、仪表倾斜、尺度变化、图像模糊、预处理繁复等问题,本文设计了一种基于深度学习的电厂数字仪表识别算法。在YOLOv5模型上加入CBAM注意力模块加强特征提取,同时为了强化利用底层特征,使用BiFPN结构代替PANet结构。实验表明,本文提出的改进YOLOv5在实际电厂现场95%以上准确率,对小数点也敏感,成功应用于现场生产环境中。     

基于深度学习的汽车车牌识别算法研究

随着我国汽车的保有量逐渐增加,车牌识别在智慧车辆管理系统中起着重要作用.现有的车号识别算法识别速度慢、准确度不高,容易受光线及车牌位置角度与摄像机相对固定位置的影响而造成误识别.基于深度学习的Faster-RCNN进行车牌定位,生成车牌提取框提取车牌;使用VGG16网络模型识别字符,最终完成汽车车牌的识别.在大量的数据集中进行训练、测试,仿真结果表明在复杂环境下采用Faster-RCNN与VGG16结合的网络模型对车牌的识别准确率高达99.2％,识别准确率优于其他算法.     

基于超声平面波成像的钢轨螺孔裂纹检测方法研究

轨道交通在当今社会生产活动中发挥着重要作用。 目前在役钢轨大量采用鱼尾板和螺栓联接的方式铺设。 钢轨接头在服役过程中会频繁受到冲击载荷作用,容易诱发螺孔裂纹损伤。 尽早发现螺孔裂纹,并对裂纹进行定量测量,是保障铁路运输安全,避免发生严重事故的关键。 超声相控阵成像检测方法具有精度高、环境适应性强、实施方便的优点,在钢轨在役无损检测中得到了广泛的应用。 然而,传统相控阵斜入射扇扫成像方法受裂纹倾斜角度的影响,在工业实践中依赖工人的主观判断和分析能力,难以实现检测的定量化与标准化。 基于以上背景,本文提出了一种基于超声平面波全聚焦成像的钢轨螺孔裂纹检测方法。 使用复合平面波成像方法对钢轨内部螺孔及附近区域进行高精度重建,获得裂纹伤损的初步检测图像。 基于编码器信息,将多个扫查点上的初步检测图像融合,得到合成检测图像,从而覆盖不同倾斜角度的裂纹。 基于主成分分析方法,对裂纹倾斜角度进行定量分析,进而借助方向最大强度投影方法,得到裂纹长度的定量检测结果。 所述方法在钢轨螺孔裂纹试件检测试验中实现了对[-45°,45°]范围内裂纹的 100% 检出率;裂纹定位误差最大值为 1. 47 mm,接近 1 个波长;长度检测误差最大值1. 17 mm,小于 1 个波长;裂纹角度检测误差最大 5. 01°。 所述方法需要的设备结构简单,可集成于移动式钢轨巡检设备,具备自动化实施的能力。     

表面开口裂纹高度的超声无损测定

介绍了超声端点衍射法在表面开口裂纹高度中测定原理,自行设计了测量方案,试验运用K=1,1．5,2,2．5的探头分别对高度为2,3,5,7,9,11,13,15,17,20mm的裂纹进行了超声测量,结果表明K=1时,具有最高的测量精确度,且随着K值的增大,测量误差呈增大趋势;对于不同高度的裂纹,运用衍射法测量的平均误差波动较小,说明衍射法具有高度选择性,对于高度越大的裂纹,测量越准确。     

超声波探伤仪在高速钢轨检测中的应用

为了满足钢轨生产的需要,作者主持开发了一套钢轨在线超声探伤系统。三年多的运行结果表明,这套设备性能良好。本文简要地介绍这套设备的各个组成部分,包括超声探头、超声探伤仪、扫查机械和电控系统。同时还介绍了过去三年系统的运行情况和探伤检验的结果。     

基于非线性激光超声的微裂纹检测及定位

金属构件在加工及服役过程中,其表面及内部会产生微裂纹,外载荷作用下,微裂纹会逐渐扩展,成为影响构件安全运行的重大隐患,因而有必要对构件进行无损检测。提出一种基于非线性激光超声的微裂纹检测技术方法,通过提取激光超声波与微裂纹作用后非线性特征参数的改变量进行裂纹检测及定位。利用激光辐照构件激发超声波,根据构件时域动态响应信号重构状态空间,提出一种非线性特征参数提取方法对裂纹影响下状态空间改变量进行评估以识别裂纹,进而利用扫描激光法实现裂纹定位分析。搭建实验系统对铝合金表面不同宽度微裂纹进行检测,结果表明,所提方法能有效检测并定位构件表面微裂纹。     

旋风分离器内表面堆焊硬化层的检验

通过对进口旋风分离器的检验，探讨了旋风分离器的检验方法，对表面硬化层耐磨和开裂的机理进行了一些探讨，为了研究旋风分离器堆焊层表面裂纹的扩展情况，制作了裂纹对比试块，利用端点回波法测量了堆焊层裂纹自身高度，为利用超声波探伤仪测量裂纹深度提供了有效方法。     

基于自注意力机制的深度学习模拟电路故障诊断

模拟电路是集成电路中的重要组成部分,基于深度学习技术对模拟电路发生的故障进行检测,并精准识别故障的类型是当前集成电路测试领域的研究热点。针对模拟集成电路故障检测存在困难的问题,利用人工智能在图像识别领域、语音分类领域的先进技术,提出了基于自注意力机制检测Sallen-Key型低通滤波电路故障的深度学习模拟电路故障检测方案,将输出信号采样成音频信号,并将其输入到自注意力变换网络的音频分类模型中进行训练、测试和优化。结果表明,通过自注意力变换网络音频分类在9种不同的故障类型诊断中,平均准确率达93.1%,最高准确率达98.1%。该模型收敛速度更快,具有较强的模拟电路故障检测能力。     

复合材料的多界面脱粘检测技术的研究

分析了多界面脱粘检测技术的优缺点,如超声检测、X射线检测及X射线CT检测等。并以壳体构件为研究对象,提出了能够检测壳体构件多界面脱粘的“横波检测技术”原理,对不同厚度构件的壳体／绝热层、绝热层／衬层和衬层／推进剂3个界面进行了实际检测,并给出了脱粘检测结果。     

基于LGF-Net的全天候轨道入侵异物智能检测系统

针对轨道入侵异物为行车安全带来巨大威胁,而现有的轨道目标检测模型检测精度和速度难以平衡、复杂轨道环境中多尺度目标检测鲁棒性差等问题,提出了一种全天候高精度实时多尺度轨道入侵异物检测模型。该模型通过使用双分支结构和线性特征变换提升模型的特征提取速度;通过改进Transformer结构使轻量型模型能够建模全局上下文信息;通过设计高丰富度特征融合结构和轻量型注意力机制进一步提升模型的多尺度目标检测能力。此外,本文将该模型进行嵌入式移植并研制智能检测系统。实验结果表明,本文所提出的模型在实际轨道场景采集的数据集中检测精度和速度分别为94.93%和132 fps,比YOLOv5s高3.09%,能够满足在复杂轨道场景中高精度实时检测多尺度入侵异物的应用需求。     

数字超声无损评价系统中的脉冲噪声

在用数字超时接接头评价时发现,噪声是微弱超声信号检测的主要障碍。建立数字超声系统的物理模型,分析声学噪声和非声学噪声,提出消除脉总噪声的极值滤波算法。实验证明,该算法简单高效,能有效地去除脉冲噪声,且保持领事的有用分量不受滤波影响。