基于深度学习的铜封帽内螺纹缺陷检测研究

针对铜封帽内螺纹裂纹缺陷检测目前存在检测速度慢、检测精度低、稳定性及泛化能力差等问题,提出了一种改进的YOLOv3模型算法来检测铜封帽内螺纹裂纹缺陷。首先,通过坐标极化对样本图片进行特征增强;然后采用K-means++聚类算法对数据集进行尺度分析;再利用SqueezeExcitation模块对YOLOv3模型检测部分进行改造,在3个特征尺度特征的输出部位均添加此模块,提升模型对有效特征的响应;最后,模型分别与Faster-R-CNN、SSD的检测结果进行比较。实验结果表明,基于深度学习改进的YOLOv3算法优于其他检测算法,其缺陷的检测精度为96.3%、检测速率为44FPS,能够实现铜封帽内螺纹裂纹缺陷的精确检测和识别,满足生产部门对铜封帽检修的需求。     

基于Faster R-CNN的铝型材表面缺陷识别研究

传统铝型材目标检测算法的准确率较低,严重影响铝型材的美观和质量。本文在Faster R-CNN网络的基础上,用ResNeXt105(残差网络)代替原始VGG16(经典卷积神经网络)提取图像特征,设计了Cascade Faster R-CNN的网络结构,采用FPN(特征金字塔网络)提取多尺度特征图并进行特征图融合。实验结果表明,在2722张图像测试集上,Faster R-CNN模型准确率为62.7%,本网络模型测试准确率达到81.4%,提高了18.7%。故相比于其他网络模型,本文的Faster R-CNN模型具有更强的特征提取能力和泛化能力,为类似小目标检测提高了技术参考。     

枯草芽孢杆菌YYW-1蛋白酶缺陷株诱变与筛选

从羽毛废弃物中筛选出一株高效降解羽毛、产角蛋白酶和蛋白酶的革兰氏阳性芽孢杆菌,经鉴定为枯草芽孢杆菌(Bacillus sublitis),命名为B.sublitisYYW-1。利用紫外线对菌株YYW-1进行诱变,筛选蛋白酶缺陷株,获得蛋白酶活性丧失的诱变株YYW-1-5,其蛋白酶活性残余22.7%,而角蛋白酶活性残余94.7%,没有明显的变化。     

缺陷汽车产品召回信息发布方式探讨

在缺陷汽车产品召回的整个过程中,召回信息的发布起着重要作用,要想取得较高的召回响应率,必须做好召回的公告工作.本文主要讨论了汽车缺陷产品召回中使用的几种重要公告方式,并对它们各自的应用范围进行了比较,这对我国的缺陷汽车召回管理工作的开展具有借鉴作用.     

热等静压技术在镍基单晶高温合金中的应用研究进展

通过总结目前热等静压对镍基单晶高温的应用研究进展,阐释了热等静压对镍基单晶高温合金中的疏松等孔洞类缺陷的消除作用,分析了孔洞的愈合机理,并分别展示了应用热等静压后合金的拉伸、持久、疲劳等力学性能变化情况,同时介绍了热等静压对已服役制件组织力学性能恢复处理的研究进展、计算模拟在指导热等静压工艺研究中的作用,展望了中国热等静压技术的未来发展。     

2019年微纳米力学热点回眸

微纳米尺度下材料的力学性能与样品的尺寸和表界面等物理量密切相关,因此纳米材料的力学性能可以在很大范围内进行高效的调节,使得纳米材料能够拥有超轻、超硬、以及高断裂强度和高韧性等卓越的力学性能。从尺度缺陷效应和生长机理、屈曲机理分析和应用、界面力学性能和应用、生物和软物质力学性能、软体机器人、机器学习等方面盘点了微纳米力学2019年取得的研究成果。     

精神科护理缺陷及防范技巧

阐述了精神科护理工作中的主要护理缺陷,只有通过认真学习护理规章制度,并在工作中严格执行,才能提高专业理论和技术水平及护理安全认识,加强素质教育,改进服务态度和护患关系,防止精神科护理缺陷的发生。     

浅谈混凝土结构质量缺陷的产生与控制措施

混凝土结构被广泛应用于多种工程,解决质量缺陷问题是决定混凝土结构是否能够满足使用需求和耐久性的关键。     

实景三维模型缺陷修复关键技术

为了有效提高实景三维模型反映各类型地理要素的准确度和精细度以充分支撑实景三维中国建设工作,本文首先将当前无人机倾斜摄影三维重建后的三维模型中存在的模型缺陷系统性分为四大类型,并分析其产生的原因。随后,本文针对性地提出了三种关键技术：一是基于连通性和欧氏距离聚类的交互式悬浮物去除,利用图割理论和随机一致性抽样算法识别和删除悬浮物;二是基于图割理论的水面半自动整平,在利用Grabcut算法提取水面区域的同时为其赋予统一高程以实现水面的平整;三是基于深度网络模型的水体纹理inpainting填充,利用卷积神经网络和深度对抗训练以获得水体纹理的特征和结构从而实现水体缺失纹理的修复。最后,本文利用湖北省宜昌市的实际生产数据进行了修复实验,实验结果表明本文提出的各项关键技术能够有效修复三维模型缺陷,从而使实景三维模型具备更精细的地理实体和地理景观还原度。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。