复杂型腔环切拐角过渡刀轨生成技术

针对环切刀轨中存在的拐角及残区问题,提出采用三段式Clothiod曲线光滑拼接的方法进行过渡优化。首先,借鉴骨架线提取的原理判断拐角残区并提取出残区步长;然后,在残区步长的基础上,选取过渡控制点和初始插入点作为曲线过渡的特征点;最后,在特征点的约束下,将曲线和直线进行过渡连接,并保证过渡曲线的C2阶连续。仿真加工测试结果表明,该方法能有效切除环切拐角残余并实现刀轨的平稳过渡,同时能很好地缩短加工时间和提高整体的加工质量。     

二进制编码八叉树的海量点云邻域快速搜索算法

海量点云的邻域搜索是点云数据处理的关键技术,是对点云进行进一步处理的基础.针对海量点云数据邻域搜索效率较低的问题,提出了一种基于二进制编码八叉树的快速搜索算法.首先构建八叉树,利用一种二进制编码方式对八叉树的各个节点进行编码,即对空间3个维度分别进行编码;其次对邻域点进行查找过程,根据搜索半径直接确定需要搜索的高度;最后在确定的节点高度下,根据编码的特点直接计算所需要查询的邻域节点.实验结果表明,该算法准确性高、速度快,能够实现海量点云数据的快速邻域搜索.     

基于CT图像卷积神经网络处理的新冠肺炎检测

为增强对新冠肺炎与普通肺炎的区分能力,协助医护人员对肺炎患者进行胸部CT检测,在人工智能图像分析的基础上提出了一种基于CT图像卷积神经网络处理新冠肺炎的检测方法。首先,搭建一个卷积神经网络模型,通过评估模型深度对检测结果的影响,以选择最佳的网络结构;其次,提出了一种禁忌遗传算法,用以获取网络模型中最优的超参数组合,增强模型的辨识能力;最后,通过最佳的卷积神经网络模型来辨别新冠肺炎与普通肺炎。实验结果表明:所提出的检测算法的准确率、MCC值和F1Score值分别为93.89%,93.32%和91.40%,相对其他模型具有更高的检测精度。     

刀轨环无跳刀尖角垂线过渡连接算法

针对刀轨环如何高效地连接成环切刀轨的问题,提出了刀轨环无跳刀尖角垂线过渡连接算法。首先在基于向量角分线的子域上生成等距环,然后建立刀轨环数组和生成环的多个单向链表,采取顺序取外等距环、逆序取内环的方式生成单根节点刀轨环关系树,提出尖角垂线过渡的连接方式,遍历刀轨环树获得无跳刀刀轨,最后构建加减速数学模型并验证算法的有效性。试验表明,该算法计算效率高,无跳刀,满足实际加工要求。     

环切刀轨无跳刀过渡连接算法

在口腔修复体数控粗加工中环切走刀方式应用广泛,为了减少加工时刀具跳刀次数以缩短空走刀时间和优化刀轨环之间的过渡连接,提出了基于单根树结构的环切刀轨无跳刀过渡连接算法。在该算法中,根据刀轨环计算过程中建立的父子关系构建刀轨环树,然后对刀轨环树拓扑分解实现刀轨环编组,编组环集合中具有父子关系的刀轨环之间通过"过渡点对"构建过渡连接关系,最后遍历刀轨环树获得无跳刀刀轨。实验表明,该算法无跳刀,无重复切削,满足实际加工要求。     

基于支持向量机分类策略的多晶硅电池片色差检测

针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%, 5％和109ms。     

基于可变形密集卷积神经网络的布匹瑕疵检测

针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。     

基于改进YOLOv4算法的轮毂表面缺陷检测

汽车轮毂加工过程中产生的表面缺陷严重影响整车的美观性及服役性能,针对人工检测效率低、漏检率高的问题,提出一种基于改进YOLOv4算法的轮毂表面缺陷检测方法。构建了轮毂缺陷数据集,其包含6种表面缺陷,由2346张4928×3264pixel的图像组成;采用K-means方法进行先验框聚类,并针对YOLOv4算法在纤维、粘铝等小尺度缺陷上检测精度不足问题,在原网络Neck部分引入细化U型网络模块(TUM)和注意力机制,用于增强有效特征并抑制无效特征,强化多尺度特征提取与融合,改善特征处理过程中可能存在的小目标信息丢失问题;基于该数据集,训练并测试不同算法的缺陷检测性能并验证改进模块的有效性。结果表明,该方法大幅提升了粘铝等小尺寸缺陷的检测能力,缺陷检测平均精度达到85.8%,与多种算法相比较检测精度最高。     

牙齿半自动精确分割算法

牙齿分割是数字化牙齿正畸的基础.针对现有的牙齿分割技术自动化程度低、分割不精确的问题,提出了一种牙齿半自动精确分割算法.该算法主要包含3个步骤:首先,手动拾取每相邻2颗牙齿间的一个特征点,利用每颗牙齿两侧的特征点构建局部凹陷感知调和场矩阵,计算模型局部区域的标量场;其次在局部网格上得一系列等值线,利用一种投票机制选取最佳等值线作为牙齿分割线;最后利用一种启发式的特征线提取算法对分割线进行优化,得到精确的龈缘线,实现牙齿的精确分割.实验测试所用数据全部来源于临床扫描数据,结果表明,该算法具有较强的适应性,能够实现牙齿的精确分割,分割精度能够控制在0.1 mm以下,不需要后续过多的手工交互,自动化程度较高,综合提取时间较少,能够满足实际需求.     

网格曲面数控加工编程分型线提取算法

针对复杂网格曲面分型线提取精度和效率不高的问题,根据非封闭自由曲面和封闭自由曲面的拓扑信息和几何特点,提出了2种基于投影方法的分型线提取算法. 对非封闭模型,首先将模型投影到平面并重新三角网格化,然后提取投影三角网格的边界,最后以平面三角网格的边界为检索信息在原始网格中检索得到自由曲面的分型线. 对封闭模型,根据模具分模的几何原理,提出通过建立封闭自由曲面凹模和凸模离散几何模型的方法提取封闭自由曲面的分型点,然后通过一环邻域点搜索法对分型点排序,得到分型线. 实验结果和数据分析表明,两种方法可以精确、高效地提取非封闭和封闭自由曲面的分型线,并可以确保分型点都是三角网格曲面的顶点.