基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

铝合金热喷涂技术的研究进展和应用展望

分析了国内外铝基材料热喷涂技术研究所取得的成就和存在的问题，提出了涂层材料的设计和热喷涂工艺选择的原则，探讨了涂层与基体的结合机理以及提高其结合强度的措施，并对铝基材料采用热喷涂技术的应用进行了展望。     

汽车轻量化条件下先进高强钢的发展及现状

介绍了轻量化条件下汽车车身用材的 4 种设计路线，结合具体车型说明了混合用材车身设计的发展趋势，讨论了钢板、铝合金、碳纤维车身用材的优缺点，客观评价了钢铁材料在汽车轻量化条件下的应用前景。总结了 2008～2018 年汽车车身 3 大部位使用先进高强钢强度等级的发展过程，以日本JFE公司为例，介绍了其研发的最新车身用材的力学性能及在一款新车型车身上的设计应用。同时，针对高强钢在冲压成形过程中容易产生冲压裂纹、冲压皱折和冲压尺寸偏差等问题，介绍了该公司相应的新技术及应用效果。     

紫铜电缆接头TIG焊工艺

逆变式焊机总的发展趋向是向着大容量、轻量化、高效率、模块化、智能化发展并以提高可靠性、性能及拓宽用途为核心。高效和高功率密度是弧焊逆变器追求的主要目标之一。高频化和降低主要器件的功耗是实现这一目标的主要技术途径。所以，弧焊逆变技术今后的发展方向为：     

法兰泰克:"双剑合璧"与"破而后立"

模块化、轻量化是目前国内起重机设计的主流趋势,通过优化设计结构,降低用料成本,保证整机安全可靠,已经成为各大厂商追逐的热点.然而,结构模块化、设计轻量化说起来"轻巧",做起来却有一定的困难.我国传统起重机行业采用的设计手段主要是自下向上的二维设计,这样的设计方式很大程度上限定了起重机部件的通用化程度,导致零部件借用困难,很难实现协同设计,造成了产品设计周期长,改型困难,管理复杂等问题.     

单张图片树木L-system的智能提取算法

介绍了一种新颖的从单张树木图片中提取树木的L-system规则的算法,并将其应用于三维树木建模。用户首先在图片上勾画出树木的主要可见枝干和树冠轮廓,通过图像处理的方法识别出树木的可见枝干的二维骨架;然后依据树木枝干的分布规律对骨架进行三维重建,并抽取其L-system生长规则和几何参数。所得L-system规则在树冠轮廓的约束下,经过迭代生长可以重建树木的分支结构。实验证明,相比以往的规则提取方法,该方法在保持模型质量的前提下,成本更低,方法更加简便。     

机箱一体式垃圾转运箱箱体的轻量化设计

本文根据机箱一体式垃圾转运箱箱体的结构特点和工作原理,确定箱体结构的危险工况。应用ANSYS建立箱体结构的参数化模型,对箱体结构在压缩垃圾、装车、运输及卸载等危险工况下的强度进行分析,得到各工况下箱体最大应力值和应力分布情况。采用ANSYS与SOGA相结合的方法对箱体结构进行轻量化设计。设计结果表明:在保证容积率不变而且强度足够的前提下,该机箱一体式垃圾转运箱箱体结构减重625kg,减重率为12.39%,轻量化效果显著。     

用嵌入式数据库实现轻量的序列化模块

数据的存储和传输序列化是软件编制中必不可少的过程,将该过程整合为独立通用的模块,可以降低软件开发的复杂度,提高开发效率。本文介绍了使用嵌入式数据库Berkely DB实现轻量的通用序列化模块的方法。该方法通过在现有代码上植入序列化模块的形式,使得对原有代码的改造减少到最小,而源代码级的集成也易于进行程序调试和除错,因此具备简便易用的特点。文中给出了一个应用实例。     

变频器发展趋势概述

经历大约三、四十年的研发与应用实践,随着新型电力电子器件和高性能微处理器的应用以及控制技术的发展,变频器的性能价格比越来越高,体积越来越小。随着全球能源短缺趋势的加剧以及交流变频技术及变频器产品的性能和功能日趋完善,变频技术越来越广泛地应用在工业生产的各个领域中。厂家仍然在不断地提高可靠性,为实现变频器的进一步小型轻量化、高性能化和多功能化以及无公害化而做着努力。     

改进 YOLOv5s 的风力涡轮机表面缺陷检测

针对传统方式检测风力涡轮机表面缺陷时出现的精度不足、泛化性较差问题,提出了一种改进YOLOv5s的风力涡轮机表面缺陷检测模型。在网络结构方面,首先在主干特征提取网络引入改进的MobileNetv3网络,用于协调并平衡模型的轻量化和精度关系;其次采用BiFPN式的融合方式,增强神经网络的多尺度适应能力,提高融合速度和效率;最后为轻量化的自适应调节特征权重,运用ECAnet通道注意力机制,进一步提高神经网络的特征提取能力。在损失函数方面,将边框回归的损失函数修改为αIoU Loss,进一步提升了bbox回归精度。实验结果表明,基于YOLOv5s的改进算法可以在复杂环境下快速准确地识别风机表面的缺陷目标,能够满足实时目标检测的实际应用需求。