RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

双层芯色散补偿光子晶体光纤

为了抑制通信系统中脉冲的展宽,根据色散补偿理论,提出了一种由单一石英材料制成的双层芯光子晶体光纤(DCCPCF). 该光纤的色散值在155μm处可达到-6000ps/(nm〖DK〗•km). 理论分析表明,在传输过程中内芯基模和外芯缺陷模以相位匹配波长为临界状态,在内芯与外芯之间相互交替传输,并在匹配波长处因模式发生强烈耦合而引起折射率产生大幅度波动. 通过对结构参数d1、d2变化的情况下色散曲线的扰动情况进行分析,可为实际制备工作提供一定的理论指导.     

管道漏磁检测缺陷识别技术

针对神经网络法对管道缺陷进行识别存在所需样本数据量大、容易陷入局部极值、泛化能力没有保证等问题,提出一种新的机器学习方法,即支持向量机法.介绍了支持向量机的分析原理,以碗状缺陷为例,采用ANSYS有限元分析软件对40组不同尺寸的缺陷进行仿真,将得到的40组漏磁数据和10组实测数据作为学习样本,另外10组新数据作为验证数据,以MATLAB软件为平台进行了识别实验.实验结果表明,识别误差均在5％以下,且泛化能力强,识别方法简单,在有限样本情况下比神经网络法更具优势.     

电子剪切散斑技术在木材无损检测中的应用

复合板材及木制品等表面或内部的缺陷对材料性能有很大影响,如何快速准确地对其进行无损检测,并判断缺陷的位置大小是很有意义的.针对松木板试件,通过预置表面和内部隐藏缺陷来近似模拟实际缺陷情况,提出一种基于剪切散斑干涉技术的木材无损检测技术新方法,实现了对松木试件的无损检测.在表面缺陷的检测中讨论了剪切量对结果的影响,利用像素标定的方法,得到直径为6、5、3mm的缺陷信息;在内部隐藏缺陷检测中,借助热加载技术同时引入相移技术使剪切散斑检测技术不仅具有非接触、全场实时检测等特点,而且完成对内部隐藏近表面缺陷的定量无损检测.整个检测过程光路简单,实时快速,实验结果与实际情况符合较好.     

螺线管式磁感应钢丝绳断丝检测系统设计

针对现有钢丝绳损伤检测采用人工检查或定期换绳的方法,存在效率低、成本浪费严重及安全性差等问题,设计了螺线管式磁感应钢丝绳断丝检测系统。系统检测原理:当钢丝绳出现断丝时,磁导率会相应降低,磁阻变大,电感量减小,从而导致线圈磁场不平衡并产生感应电动势,根据该感应电动势的大小可判断出钢丝绳断丝的状况。试验结果表明,该系统克服了传统电磁检测技术不能精确检测钢丝绳内部出现断丝的缺陷,检测精度可达95%以上。     

Dispirations,disclinations, dislocations,and chain twist in polyethylene crystals

It is proposed that the twist in polyethylene chains that can result from crystallization and subsequent deformation aggregates at boundaries and becomes a template for further reorganization that results in the long period observed in polyethylene fibres. The observed lower density at the boundaries requires the transport of free volume to the twist boundaries. Dispirations, disclinations and dislocations are crystallographic defects that are involved in the necessary transport mechanism. Twist and bend, derived from the Eulerian angles which are computed from the sets of chain internal coordinates, relate the orientation of different segments of a chain. Twist and bend are useful for the characterization of both crystallographic defects and arbitrary conformations of polymer chains. Defects, along with folds, chain ends, and ordinary edge and screw dislocations provide a basis for interpretation of structure-property relationships in solid polyethylene.     

基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.     

最优知识传递宽残差网络输电线路螺栓缺陷图像分类

目的 输电线路螺栓图像具有分辨率低和视觉信息较差的特点,针对螺栓缺陷图像分类时教师网络（大模型）参数量大、学生网络（小模型）分类精度低的问题,提出了一种最优知识传递宽残差网络输电线路螺栓缺陷图像分类方法,来弥补使用大小模型进行分类任务的局限性。方法 首先改变大模型宽度,即拓宽网络特征表达维度来增加向小模型传递的螺栓缺陷知识和简化小模型结构至3个残差块;然后为了选出传递螺栓缺陷知识性能最优的大模型,提出知识偏差的概念来可视化大模型向小模型螺栓缺陷知识传递的程度,综合分析不同宽度大模型利用知识蒸馏算法与注意力转移算法分别指导小模型训练后的分类准确率,并用知识偏差来确定最优知识传递模型;最后将最优知识传递模型利用知识蒸馏算法与注意力转移算法相结合指导小模型训练,尽可能提升小模型的螺栓缺陷分类性能。结果 在自建螺栓缺陷图像分类数据集上进行了验证,结果表明宽度为5的大模型向小模型传递螺栓缺陷知识性能最优,使小模型的螺栓缺陷分类准确率提高了5.56%,小模型与最优大模型的分类准确率只差2.17%,知识偏差为0.28,且小模型的参数量仅为大模型参数量的0.56%。结论 本文提出的最优知识传递宽残差网络输电线路螺栓缺陷图像分类方法,弥补了大小模型螺栓缺陷图像分类的局限性,实现了精度与资源消耗的平衡。     

基于自编码和知识蒸馏的表面缺陷检测方法

针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器（CAE）架构用于分割和定位缺陷,其目的是将输入的原始图像转换为基于CAE的预测蒙版;其次,利用阈值模块对预测结果进行二值化以获得准确的缺陷轮廓;然后,把缺陷区域检测器提取并裁剪出来的缺陷区域视为下一个模块的输入;最后,将CAE分割结果的缺陷区域通过知识蒸馏进行类别分类。实验结果表明,与其他几种表面缺陷检测方法相比,所提出的方法综合性能最好,其缺陷检测平均准确率为97.00%。该方法能够有效地对较小的、边缘不清晰的缺陷进行分割,满足对物品表面缺陷实时分割检测的工程要求。     

基于Siamese-YOLOv4的印刷品缺陷目标检测

在印刷工业生产中,针对直接使用YOLOv4网络进行印刷缺陷目标检测精度低、所需训练样本数量大的问题,提出了一种基于Siamese-YOLOv4的印刷品缺陷目标检测方法。首先,使用了一种图像分割和随机参数变化的策略对数据集进行增强;然后,在主干网络中增加了孪生相似性检测网络,并在相似性检测网络中引入Mish激活函数来计算出图像块的相似度,在此之后将相似度低于阈值的区域作为缺陷候选区域;最后,训练候选区域图像,从而实现缺陷目标的精确定位与分类。实验结果表明：Siamese-YOLOv4模型的检测精度优于主流的目标检测模型,在印刷缺陷数据集上,Siamese-YOLOv4网络对卫星墨滴缺陷的检测准确率为98.6%,对脏点缺陷的检测准确率为97.8%,对漏印缺陷的检测准确率为93.9%;检测的平均精度均值（mAP）达到了96.8%,相较于YOLOv4算法、Faster R-CNN算法、SSD算法、EfficientDet算法分别提高了6.5个百分点、6.4个百分点、14.9个百分点、10.6个百分点。所提Siamese-YOLOv4模型一方面在印刷品缺陷检测中有较低的误检率和漏检率,另一方面通过相似性检测网络计算图像块的相似度从而提高了检测的精度,表明所提缺陷检测方法可应用于印刷质检以提高印刷企业的缺陷检测水平。