排序方式: 共有28条查询结果,搜索用时 0 毫秒
1.
针对起重机长期承载、疲劳与腐蚀效应、材料老化、磨损、维护保养不良等造成的金属结构疲劳裂纹、表面锈蚀、局部损伤等问题,利用无人机系统技术和机器视觉理论,研究应用于高空、高温、大风等危险恶劣环境下的远程自动检测技术,代替或辅助完成人所不能、不适或力所不及的各项结构检测工作。系统采用无人机作为飞行平台,搭载高分辨率视觉传感器探测装置,实时采集显示被检测区域的图像,利用数字图像处理技术进行缺陷特征提取与识别,以求从根本上改变起重机重要检测部位在危险检测环境下的人工检验方式,进一步提高特种设备的自动化检测水平。 相似文献
2.
3.
本文对引起电梯上行超速的技术原因和上行超速保护装置的保护范围进行了分析和探讨,对部分在用电梯存在的上行超速隐患和目前应用较多的夹绳器存在的缺陷提出了思考。 相似文献
4.
5.
6.
7.
8.
9.
10.
为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。 相似文献