基于机器视觉的轮胎表面缺陷检测系统的研究与应用

在传统的轮胎表面缺陷依靠人工检测,存在劳动强度高、受人的主观影响大以及效率低下的问题。针对这一现象,研究了一种基于机器视觉的轮胎表面缺陷3D检测系统。该系统依靠机器视觉系统获取检测轮胎的表面图像,然后创建3D模型、判定缺陷类型,最终实现实时自动预警,为轮胎生产商提供一种自动化检测方案。系统集成了先进的技术、软件和工具,配套的信息管控系统可以对轮胎型号和生产数据进行采集、存储、分析,以便在生产过程中实现更高效、更可靠的质量控制,具有较高的实际应用推广价值。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

印刷电路板缺陷检测的实际应用

电路板在我们的日常生活中非常常见,这就使得印刷电路板的缺陷检测显得尤为重要。AOI作为新兴的检测PCB板缺陷的系统,在生产实际中正在被大家熟知并且应用。相较于传统的检测方式,AOI系统比较灵活,无论是在检测时间还是系统运算上,或者是对相关技术人员的要求相较于传统方式都比较有优势,本文就AOI系统在实际中的应用展开讨论,分析并且介绍了在实际应用中的具体细则。     

200kt/a煤制乙二醇项目离心式压缩机组试车总结

介绍了200 kt/a煤制乙二醇装置中离心式压缩机组基本技术参数和试车过程中出现的问题。针对存在的问题,通过原因分析并采取相应的改进措施,离心式压缩机组各项运行指标达到了设计值,很好地满足了生产要求。     

康复器械用碳纤维织物的压缩成型特性研究

研究了织物编织方式和定型剂含量对康复器械用有机织物和针织织物在压缩阶段的织物初始厚度和压缩时间、松弛节点的应力松弛率和回弹阶段的变形占比的影响。结果表明,在未添加定型剂前,CC-2T200、CC-P450、C-LT420和C-LPFK380的纹路形式分别为斜纹、平纹、双轴经编和四轴经编;随着定型剂含量(质量分数)从0增加至12%时,4种添加定型剂的碳纤维预定型织物的压缩时间都逐渐变长,且C-LT420-X和C-LPFK380-X的压缩时间相较于CC-2T200-X、CC-P450-X更长;随着定型剂含量增加,4种添加定型剂的碳纤维预定型织物的松弛率都不断增大,且在定型剂含量为8%和12%时,C-LT420-X的松弛率最小,而当定型剂含量为0和4%时,CC-2T200-X的松弛率最小;定型剂含量为4%时可以获得较高定型能力同时又可节省定型剂用量的效果。     

完备度量空间上不动点定理的推广及应用

Banach在1922年证明了完备度量空间上压缩映射不动点的存在性。通过对Banach不动点定理条件的研究,给出了Banach压缩映像原理的推广,并提出Banach不动点定理在存在唯一性方面的应用。     

基于信号增强的缓慢泄漏检测方法

目前管道泄漏检测方法可有效检测突发泄漏，对于缓慢泄漏则存在检测灵敏度低、定位不准确等问题。基于此，提出了一种基于信号增强的缓慢泄漏检测方法。通过信号压缩（抽取及移位）克服缓慢泄漏压力信号下降平缓的缺点；根据声波信号具有波形尖锐突出、对突发泄漏敏感的优点，通过建立以压力为输入、虚拟声波为输出的声波信号变送器模型，将压力信号转换为声波信号，克服了泄漏压力信号容易被淹没在管道压力波动及背景噪声中的缺点，实现了缓慢泄漏信号的增强；利用临近插值方法重构虚拟声波信号，基于延时互相关分析实现了缓慢泄漏的准确定位。实验结果表明，该方法具有显著的信号增强效果和定位精度，实现了缓慢泄漏的准确检测。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。