排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
针对目前管道内壁缺陷检测方法不足的问题,提出了一种基于管道机器人和深度学习模型算法的管道内壁缺陷检测方法,对管道内壁缺陷图像进行识别与分类。通过对Faster RCNN目标检测算法进行改进,以密集连接卷积网络(DenseNet)作为检测模型的特征识别核心,从而提高了模型的泛化能力和识别精度。试验结果表明,基于深度学习的识别方法实现了金属焊接管道缺陷的检测,运用改进后的Faster RCNN深度学习算法进行管道缺陷识别具有识别精度高、成本低的优点,平均准确率达到93.2%。 相似文献
3.
针对焊管机组在生产过程中难以实时监控,以及采集、传输、存储生产数据困难的现状,提出并开发了基于大数据技术的焊管机组生产状态监控系统。在现有的物联网系统、MES系统和SCADA系统的支持下,采用分布式数据采集提高了数据采集能力,采用联合分布式存储提升了数据存储效率,采用可视化技术实现生产过程的可视化、透明化管理。基于大数据技术的焊管机组生产状态监控系统的应用,可为用户提供强有力的数据支撑,同时对于工业企业的智能化改造和制造业智能工厂的建设和完善具有借鉴意义。 相似文献
4.
5.
1