排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。 相似文献
2.
3.
4.
5.
6.
传统的齿轮单啮仪和双啮仪无法对小模数齿轮(m<1.0 mm)进行测量,提出了一种在视觉三坐标测量机上测量小模数齿轮齿形误差的新方法。该方法在视觉三坐标测量机器上测量出小模数齿轮齿廓边缘点的坐标值,然后通过渐开线拟合的方法得到小模数齿轮的齿形误差。该方法符合齿形误差的定义,误差小于3.5 μm,满足大多数小模数齿轮的测量要求。理论和实践证明,该方法具有精度高,使用方便等优点。 相似文献
7.
8.
9.
10.