声发射在磨削难加工材料中的应用

钛合金、高温合金等难加工材料因具有优良的物理机械性能而被广泛应用于航空、航天、航海及其它工业部门中。该类材料在磨削加工中，工件表层极易出现磨削烧伤和微裂纹现象，降低了工件表面完整性，对零件的使用性能产生极不利的影响，限制磨削生产率的提高。监测和预报磨削烧伤是生产中急需解决的问题。该文对钛合金磨削过程中声发射信号特征进行了深入分析，应用时序分析法，建立了关于磨削过程中声发射信号的自回归时序模型，实现     

基于卷积神经网络的室外运行太阳能电池板裂纹检测

针对室外运行的太阳能电池板裂纹检测问题,提出一种基于卷积神经网络的自动检测算法.首先,采用寻找轮廓、拟合四边形和透视变换等图像处理方法对采集的太阳能电池板电致发光图像进行矫正;然后,采用背景去除、图像投影、电池单元边界线寻找和透视变换等方法将矫正的图像分割为太阳能电池单元图像;最后,应用经训练的改进卷积神经网络检测电池单元图像是否含有裂纹.训练神经网络时,使用欠采样与过采样技术解决正负样本的不平衡问题.结果表明:该算法在测试集上的准确率可达96.37%,满足太阳能电池板自动分割的要求,能有效检测出有裂纹的电池单元.     

砂轮修整对磨削烧伤影响的研究

一、概述磨削烧伤不仅引起表层金属硬度改变,它还会使表层金属中产生不应有的内应力,甚至使工件表面发生微裂纹,这就严重地影响了工件的使用性能,因而,研究磨削过程中烧伤现象发生的规律并寻求防止和控制磨削过程中烧伤现象发生的途径,一直是磨削加工表面质量     

磨削钛合金时砂轮磨粒磨损机理的探讨

本文利用化学热力学的理论分析了磨削钛合金时工件材料、介质与砂粒之间可能发生的化学反应,并利用扫描电镜检测,确认化学磨损是磨削钛合金时砂轮的主要磨损形式.SiC砂轮的磨损主要表现为SiC磨粒在瞬时磨削高温的条件下与介质中的氧作用,被氧化而失效;刚玉砂轮的磨损则主要表现为刚玉磨粒与钛合金表面的氧化物作用,生成了韧性好的新物质涂敷在磨粒切削刃上,使其丧夫切削能力。     

基于DSP的磨削表面粗糙度在线检测系统开发

为了解决磨削工件在线粗糙度等级识别速度慢和准确性不高的问题,开发了基于DSP的工件表面粗糙度在线检测系统.该系统基于光散射原理,通过工业相机采集光散射图像,运用DSP芯片对采集到的图像进行图像预处理以及特征参数的提取;最后利用建立的多分类支持向量机模型,对不同表面粗糙度等级的图像进行分类.实验结果表明,在该硬件平台上整个识别过程耗时约0.5s,识别率可达96%以上,说明该系统可有效识别工件表面粗糙度等级,有效实现工件表面粗糙度的在线检测.     

一种新型的人脸识别算法在智能门禁系统中的应用

针对人脸识别中的尺度与光照敏感问题,该文提出了一种基于Gabor滤波器的人脸自动识别算法。首先对原始人脸图像进行Gabor小波分解,得到人脸的纹理特征图像;然后利用流形学习的方法进行特征数据降维;最后采用LDA线性判别方法进行人脸的自动识别。实验表明,该算法具有较强的人脸自动识别能力,能有效地解决不同姿态、不同光照条件下的人脸难以识别的问题,将该算法作为智能门禁系统的主程序,实现了智能门锁的自动控制。     

高速深切磨削氧化锆陶瓷表面粗糙度的在线监测

从放在工件夹具上的声发射(AE)传感器测得的磨削加工中的AE信号中,提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削工程陶瓷部分稳定氧化锆的工件表面粗糙度进行了在线连续监测.结果表明,该方法基本可行,通过进一步改进,可以用于高速深切平面磨削工程陶瓷工件表面粗糙度的在线监测.     

基于特征融合的金属铸造工件表面裂纹检测算法研究

针对复杂结构的金属铸造工件表面因成像复杂引发干扰,裂纹提取判别困难的检测问题,本文提出一种结合了颜色形态特征融合图像分割和纹理特征裂纹判定的金属铸造工件表面裂纹检测算法。算法通过GAMMA变换增强裂纹并弱化背景,根据裂纹目标的颜色特征与几何形状特征相融合,量化特征并滤波特征值分割提取裂纹目标,基于灰度共生矩阵对候选裂纹区域提取纹理特征,使用支持向量机分类器进行训练并识别裂纹。金属工件表面裂纹检测实验表明,该算法在图像分割方面能更加完整准确的提取裂纹,在真伪裂纹的识别中准确率、精确率、召回率和F1得分分别为94.47%、92.51%、96.67%和93.74%。相较于传统检测算法,该算法克服了上述干扰影响,在准确率等方面具有优势,且具有较快的识别速度。     

定向凝固高温合金DZ4的磨削烧伤机理

为解决定向凝固高温合金ＤＺ４在磨削加工中极易发生的磨削烧伤问题,采用先进的测试方法,对磨削过程中磨削力,磨削温度、工件表面形貌、表面层残余应力分布、表面层显微硬度、表面层金相组织等变化规律进行了分析研究,揭示出该种新型高温合金材料磨削的烧伤机理,旨在为寻求优化的高效,高精度磨中工工艺提供理论及试验依据。     

GH4169磨削烧伤机理研究

以金相显微分析为主，结合磨削温度、磨削力的测量等基本实验方法，揭示ＧＨ４１６９材料磨削烧伤机理，研究表明，磨削弧区最高平均温度是引起磨削烧的直接因素，它与工件表面烧伤色斑，表面形貌特片，表层金相组织以及表层显微硬度分布之间具有确定的对应关系。磨削力比Ｆｎ／Ｆｔ可作为过程特征参量，进行磨削烧伤在线监测和预报，以控制磨削烧伤。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

基于深度残差卷积神经网络的高光谱图像超分辨方法

卷积神经网络由于其强大的非线性表达能力在自然图像的处理问题中已经获得了非常大的成功。传统的稀疏表示方法利用精确配准的高分辨率多光谱图像,从而限制了实际应用。针对传统方法的不足,本文提出了一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应的多光谱图像。我们构建深度残差卷积神经网络挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系。构建的深度学习网络串联多个残差块,并去除一些不必要的模块,如批标准化层,每个残差块只包含两个卷积层,这样在保证模型效果的同时又加快模型的效率。此外,因为遥感图像训练数据缺乏,我们充分挖掘自然图像和高光谱图像之间的相似性,利用自然图像样本训练卷积神经网络,进一步利用迁移学习将训练好的网络模型引入到高分辨率遥感图像超分辨问题上,解决了训练样本缺乏问题。最后,基于实际的遥感数据超分辨实验结果表明,本文所提出的方法具有良好的性能,能得到较好的超分辨效果。     

一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法

实现能够使先进飞行器根据获取的图像自动识别不同的地貌景物,是一种具有实际应用前景的技术需求.提出了联合Gabor滤波器组和局部二值模式来对SAR纹理图像进行分类的新方法SARICIT (SAR Image Classification using Inquiry Table).首先对第一套带类标的训练图像集提取两种特征,分别使用的基于非监督和监督模式相融合的混合神经网络分类器进行训练,然后使用第二套带类标的训练图像集制作二维分类信息查询表,记录两种分类器对每一幅图像的判断结果.在实际进行分类阶段,对新图像提取Gabor和LBP两种纹理特征,输入训练好的分类器.根据两种分类器给出的类型响应,结合查询表,使用一种投票的机制来确定待分类的图像的纹理属性.通过对真实SAR图像的实验结果表明,与流行的单独使用一种纹理特征进行分类相比,新方法能够对SAR图像纹理做到更准确的分类,对雷达图像更具有适用性.     

基于稀疏自编码的手指静脉图像分割

针对获取的手指静脉图像不仅包含静脉特征,而且包含噪声和不规则阴影,从而增加了特征提取难度的问题,提出了一种基于稀疏自编码的手指静脉图像分割算法;首先采用传统分割算法对原始灰度图像进行分割,得到一副二值图像(背景像素值为0,静脉像素值为1);然后,以该灰度图像的每个像素点为中心,对其进行图像分块,并将二值图像中对应于中心点的值(0或者1)作为该块的标签,建立训练集合;最后,将训练样本(分块图像和标签)输入到自编码器和神经网络中进行训练,再用训练好的模型对测试图像进行分割;实验结果表明,相比传统的算法,提出的手指静脉分割算法能够有效地对静脉进行分割,提高手指静脉认证系统的认证精度。     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

过渡元素二元合金相图有限固溶体固溶度的预报

应用原子参数-人工神经网络方法研究了过渡元素二元合金相图中的有限固溶度问题．选择了原子体积、平均族数、元素熔点等影响固溶度的原子参数作为人工神经网络的输入值，使用已知的过渡元素二元合金相图的固溶度作为输出值，训练人工神经网络，应用“留一法”估计了人工神经网络的预报误差，并用训练好的网络对全部未知的过渡元素二元合金相图的固溶度进行计算机预报，得到了令人满意的结果．     

基于神经网络正向模型和遗传算法的涡流检测自然裂纹形状重构

提出了一种基于神经网络正向模型与遗传优化算法从疲劳裂纹涡流检测(eddy current testing, ECT)信号重构裂纹形状的方法.人工制作了疲劳裂纹试样,利用一种小波分析方法对采集的疲劳裂纹ECT信号进行了去噪预处理并提取了信号特征.随后通过破坏性检测方法获得了裂纹的真实形状.在建立疲劳裂纹参数化模型基础上,利用经过处理的裂纹ECT信号和裂纹形状参数样本库对径向基函数(Radial Basis Function, RBF)神经网络进行训练.遗传算法首先创建大量表示裂纹形状参数个体的初始种群,输入经过训练的神经网络,得到对应的ECT预测信号,然后运用遗传策略进行迭代反演优化,搜索裂纹形状最优解.重构结果表明该方法具有快速、精确的优点.     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

神经网络集成在肺癌细胞识别中的应用

通过一种特殊的一级集成结构将神经网络集成应用于肺癌细胞识别,集成中的个体网络由Bagging方法产生,第一级集成的归纳结论由本文提出的完全投票法合成,第二级集成的归纳结论由相对多数投票法合成,实验和原型系统试用表明,该方法的总体误识率较低,更重要的是,其将癌细胞判为非癌细胞的误识率非常工,大大降低了肺癌患者漏诊的可能性。