基于深度学习的铸件缺陷检测方法

针对铸件X射线图像获取困难、人工及传统识片方法效率低且漏判率高的问题,文中提出了一种基于深度学习的铸件缺陷检测方法。首先,采用Overlap切图（重叠切图）数据增广方法实现缺陷扩充,并基于简化Mosaic数据增广进一步提升图像的复杂度;然后,基于仅浏览一次（You Only Look Once, YOLO）的理念实现缺陷检测模型构建;最后,提出一种基于边界框抑制的测试图像缺陷检测方法,以子图迭代方式完成测试图像中的缺陷检测。实验结果表明,该方法能够有效实现多种铸件缺陷的自动检测,为铸件缺陷检测提供了基于深度学习的解决方案。     

基于深度学习的高精度外观缺陷检测研究

外观缺陷检测因其多样性和不可预测,给机器视觉检测带来极大挑战,本文的研究主要通过引入深度学习模块,解决了外观缺陷检测中的模糊识别和误判率高问题。     

一种基于深度学习的图像语义分割方法

基于深度学习的语义分割网络在卷积、池化等操作过程中会出现空间位置信息丢失的问题,导致其分割效果下降.对此,文中以SegNet语义分割网络模型为参考,设计了一种全新的语义分割网络模型Faster-SegNet.该网络模型通过融合多尺度特征图强化特征信息来提高网络分割准确率.使用非对称卷积等方式降低了网络参数量,提高网络分...     

一种深度学习的工件柔性检测方法

随着人工智能与制造业深度融合,制造过程的智能化必然对工件检测提出了更高的要求.为了提高工件检测的准确率和普适性,这里在研究深度学习相关理论的基础上,提出了一种基于深度学习工件检测方法.首先,对深度学习主流的模型结构YOLO与Faster-RCNN检测算法进行分析,构建基于深度学习的工件检测模型;然后,针对深度学习检测模型结构存在的问题,提出了API-MASK算法,优化了工件检测模型;在此基础上,采用深度学习框架Tensorflow对工件定位、分类及表面缺陷检测.实验表明,推荐的工件检测方法不仅具有较高的准确率,而且有较强的检测适应性,为工件柔性检测提供了一种途径.     

基于深度学习的偏光片检测技术研究

偏光片外观缺陷的在线检测一直以来就是业界难题,深度学习工具的出现有助于改善这一现状。实验中,对含有缺陷的偏光片进行图像采集,并将采集到的图像分成训练集和验证集。在训练集中利用深度学习工具学习到了缺陷的特征阈值,将阈值应用到验证集中进行缺陷检测,得到很好的检测效果。然而,打痕缺陷由于图像采集的原因并不能完全检出。此外,偏光片自身的翘曲对检测也有一定程度的影响。     

基于深度学习的芯片位置检测系统

激光bar条是由多个芯片并排形成的激光器单条.工业生产中,需要在激光bar条上找到芯片的位置进行测试和加工.由于人工操作存在着精度低和效率低的缺点,现在一般采用基于传统机器视觉算法的芯片位置检测系统.传统机器视觉算法在芯片位置检测中过程复杂且不具有的通用性.近些年深度学习在机器视觉任务上大放异彩,所以我们开发了一套基于...     

基于深度学习的电器目标检测

针对传统目标检测算法无法自适应提取目标相应特征并完成识别的现象,提出一种基于快速区域卷积神经网络(Faster R-CNN)模型的电器识别方法,其优势在于可以自适应获取不同场景下目标的特征,避免由于人为设计目标的特征而带来的主观因素影响,具有良好的鲁棒性与准确性。FasterR-CNN中首先通过建立区域建议网络RPN(Region Proposal Network)代替Fast R-CNN中的Selective Search方法,得到建议位置后再进行检测。为了解决训练过程当中正负样本失衡问题,在Faster R-CNN中引入了难负样本挖掘策略,增强了模型的判别能力,提高检测的精度。     

基于Kinect深度图像信息的人体运动检测

人体运动检测是计算机视觉人体运动分析的关键环节。根据Kinect深度图像的特点,引入并改进Vi Be算法处理深度图像进行人体运动检测。考虑到深度图像中地面像素值连续性造成的地面附近运动检测困难,提出了一种自适应的图像分层处理和不同邻域模式的建模方式,增加了去除"鬼影"现象的参考模型。像素分类时增加了前景点检验步骤,通过当前像素与参考模型的比较消除"鬼影"。在模型更新方面增加了基于前景点的背景模型更新策略,解决了"黑影"现象问题。采用阈值法对分类结果进行了误检点消噪处理。实验结果表明所提出的改进Vi Be算法能够比较准确地检测出人体运动。     

基于图像深度学习的零件加工特征信息提取方法

针对各类基于模型定义(MBD)的零件模型加工特征的信息集成问题,提出一种多层次提取架构的加工特征全息信息提取方法.通过对零件的结构特点进行分析,以具有制造语义且无法拆分的最简化特征实现加工特征的分类;在阐述提取策略的基础上,构建了基于深度学习图像识别技术的加工特征分类器;依据MBD模型信息标注的特点快速定位、抽取加工特...     

一种基于深度学习图像超分的环形靶标稳定检测方法

为提高远距离、大倾角条件下环形靶标的识别率与定位精度,提出了一种基于深度学习图像超分的环形靶标稳定检测方法。通过真实图像与合成图像的混合数据集来构建多角度、多距离的图像空间集合,采用像素损失与感知损失来改进图像超分辨率模型的损失函数,从而实现图像的高分辨率重建,丰富靶标轮廓的图像细节,利用已训练好的图像超分模型重建图像,最后使用传统的检测算法识别与定位环形靶标。实验结果表明,环形靶标识别率可提高40%,靶标定位精度可提高8.47%。     

无人机深度学习去雾算法

为解决无人机实际飞行过程中受到雾霾的影响,使获取的图像明显降质问题,提出了一种深度学习神经网络模型DLDN,利用神经网络模型实现无人机深度学习去雾算法。首先结合暗通道先验进行去雾网络模型设计,在保证去雾精度和效果下对网络结构进行优化;然后对含雾图像间隔多尺度卷积特征提取,采取最大池化层的方式对特征降维;最后通过修正线性单元和全连接对进行处理,得到回归结果。实验结果表明,该算法与原图相似度最高、鲁棒性较好且去雾效果明显,满足实际工程实时性要求。     

序列数据的监督学习方法综述

讨论了序列数据及其机器学习问题.基于序列数据的特征,介绍了典型的序列数据的相关监督学习方法,针对其中流行的条件随机场(CRF)方法总结了一些相关的应用.     

基于深度学习和迁移学习的液压泵健康评估方法

对液压泵建立健康评估模型需要大量训练数据,然而由于其工作条件随时间的地点变化,使得获取特定条件下的数据比较困难。为了在目标数据不足的条件下对液压泵建立健康评估模型,提出了一种深度学习和迁移学习的液压泵健康评估方法。首先,通过卷积神经网络的方法对已有大量历史条件下液压泵振动的频域信号建立预测模型,再用迁移学习的思想在少量目标液压泵数据上对深度学习模型进行微调。实验结果表明,该方法可以有效地提高预测准确率。     

CCD尺寸在线检测系统的图像获取系统设计

零件尺寸精度检测技术手段的创新与提升能是降低生产成本和提高产品品质的关键之一。主要介绍了基于CCD的尺寸在线检测系统的图像获取系统装置的设计,包括获取系统的结构,图像系统照明方案的设计,并利用系统软件对零件尺寸进行检测,同时对实验数据做了误差分析。     

序列图像的三维重构方法

依据光学显微镜的多幅序列图像,通过比较多个层面上的图像,并根据光学显微镜的成像特性设计一种实体重构方法,完成三维图像的重建显示分析技术研究。提出以软件处理技术实现对多幅断层图像进行三维重建分析,较好地实现通过解卷积去除离焦平面的模糊图像,进而对多幅序列图像进行三维重建分析,得到物体表面的完整造型。     

基于序列图像的冲压件检测系统研究

传统零件及产品的检测也越来越要求其高效和准确.简单手工操作和借助工具直接测量既不能满足生产的要求,同时重复而繁杂的工作极易导致测量的误差.本文主要探讨基于序列图像的小型冲压件的机器视觉检测的实现算法及该系统的实现,视觉检测系统的大致流程为机械平台搭建,特征提取,相机标定,误差分析.该系统在以Visual C++为软件平...     

光纤制造中复绕单元加工次序调度策略的研究

为提高光纤制造中复绕单元的信息反馈速度和计划执行的效率，提出了以断纤信息反馈速度与加工时间为优先考虑的调度策略。为实现这种调度策略，分析了在复绕单元中生产的产品特点，提出了产品分类的方法与原则，并根据分类结果对每一类产品赋予不同的优先级别，同时确定了加工次序的调度原则。结合光纤生产的需要，提出了评价调度策略的指标，通过实验验证了所提出的调度策略的优越性。     

微小型深沟球轴承振动检测及识别

介绍测振仪类型、性能、使用注意事项及检测项目，详细说明速度型测振仪对微型深沟球轴承振动的识别方法以及对轴承运转异常内容的推断。