几何变换在圆柱度评定优化算法中的研究

针对利用最小区域方法评定圆柱度时速度慢、算法复杂等问题,采用降维策略进行优化。在原有最小区域法几何模型的基础上利用最小二乘拟合轴线,建立了一种改进的圆柱度评定几何模型。通过对测量数据进行几何变换,将三维圆柱面转化为二维平面,根据最小条件原则将转换后的平面度误差,等效为原始测量数据的圆柱度误差值。经实验验证,在满足精度要求的前提下,圆柱度误差计算速度相较于现有最小区域法提升了约20%。实验结果表面,利用几何变换方法进行误差评定具有实用价值。     

基于贝叶斯估计的粘连颗粒尺寸检测方法

在高速流水线上对小视场物体大批量在线检测过程中,针对滚子、钢珠、卷烟爆珠等球形颗粒因体积过小、发生破裂、传输振动而引起的颗粒粘连,致使其尺寸无法精准检测的问题,采用机器视觉的检测手段,提出基于贝叶斯估计的尺寸视觉检测方法。首先,经图像采集系统获取粘连颗粒图像,对采集图像预处理去除干扰因素。之后,利用边缘检测方法进行轮廓坐标点提取,通过数据滤波选取有效轮廓点数据,代入到该文所提出的贝叶斯尺寸测量数学模型中,从而实现对粘连颗粒尺寸的精确测量。以卷烟爆珠为例进行试验验证,该方法测得的尺寸最小均方根误差为0.049 6 mm,测量误差均值最小为0.022 63 mm,验证所提方法的可靠性与稳定性,满足实际工业检测精度要求。该方法的提出可为高速流水线上小视场粘连颗粒测量研究提供基础。     

基于长短时记忆网络的磨削在线预测与补调北大核心

为解决在线测量时误差判断滞后及补调延迟的问题,利用长短时记忆网络对在线测量加工的尺寸进行预测,并根据预测值对误差进行补调。通过神经网络实时预测磨削尺寸,当预测值大于理论边界时调整工艺参数,避免了误差累积。设计并进行了基于长短时记忆网络的在线测量磨削加工实验,并通过实验结果对输入张量的维度与预测精度之间的关系进行分析。结果表明,长短时记忆网络能够准确预测磨削尺寸序列,且具有较好的普适性。利用实验结果进行小批量加工,统计分析表明,使用神经网络进行磨削在线预测及补调,加工精确度显著提高。     

基于最小二乘拟合的线胶质量检测北大核心

针对在复杂光照条件下线胶质量检测存在自动化程度不高,检测精度低等问题,提出了一种基于最小二乘拟合的线胶质量检测方法。首先使用非局部均值滤波降噪算法对图像进行降噪处理;随后通过动态阈值分割法确定待检测线胶区域,并在待检测区域内使用基于形态学的laplacian of gaussian边缘提取算法提取线胶轮廓;最后使用基于最小二乘拟合的线胶边缘轮廓拟合算法,计算拟合直线之间的平均距离即可得到线胶宽度;将线胶宽度信息与设定胶宽进行对比,判断是否存在断胶等质量问题。经实验验证,在复杂的光照条件下,该方法能准确检测出线胶宽度信息,满足对工业生产线的在线检测要求,其检测高效快速,准确率较高,能有效减少人力与资金投入,适合在实际生产中应用。