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LabVIEW for FPGA的高速并行视觉检测系统设计

随着中国智能制造强国战略的实施,制造业不断升级,智能视觉检测设备的应用前景越来越广阔。智能视觉检测系统一般由上位机图像处理和下位机组成;下位机主要完成供电、自动上料、定位检测、视觉检测和自动下料的功能,常用可编程逻辑控制器(programmable logic controller, PLC)作为核心处理器,存在检测效率低、准确性差的问题。为解决此类问题,依托现场可编程门阵列(field programmable gate array, FPGA)的高速、并行和柔性等优势,以及LabVIEW for FPGA的快速编程优势,提出基于LabVIEW for FPGA的高速并行视觉检测系统。试验结果表明：该系统相对于传统基于PLC的视觉检测系统,具有可扩展性、较高的稳定性和效率,为机器视觉检测生产力的提高提供新的解决方案。     

虚拟仪器在机械传动试验台扭矩测量中的应用

应用虚拟仪器技术,对机械传动试验台进行了改造。扭矩测量使用JC型扭矩转速传感器,数据采集采用PCI-6024E数据采集卡,用LabVIEW语言编程,简化了测控系统,提高了测量精度,实现了对机械传动试验台信号进行数据采集、处理,并进行显示、存储、打印。研究采用不同的数据处理方法,对扭矩信号进行处理,得到了精度较高的数据处理方法。并对不同处理方法对精度的影响进行了分析。     

一种新型振动攻丝机

对研制新型振动攻丝机的必要性进行了分析,确定了新型振动攻丝机的功能要求.研制的新型振动攻丝机采用了机械式激振器,主轴既作回转运动也产生振动;在主轴上设有螺纹,由两个步进电机分别控制主轴螺杆乖螺母转动,可以合成要求的螺距,实现了通用靠模的功能;能同时实现周向振动和轴向振动;控制系统采用了主、副控制器结构.该机经试验达到设计要求,对于振动挤压攻丝有较好的效果.     

嵌入自适应注意力机制YOLOv3的类圆杆物计数方法研究

为解决类圆杆物生产分装过程中传统计数方法计数准确率低和检测速度慢等问题,采用一种融合GIoU优化算法与注意力机制YOLOv3的类圆杆物检测计数方法(adaptive attentional mechanism YOLOv3,AAM-YOLOv3)。首先使用数据增强技术对标定数据进行扩增,减少模型过拟合现象;然后,以K-means算法聚类训练数据,自适应确定锚框尺寸,并采用GIoU算法优化回归损失函数;最后,引入混合注意力模块(CBAM)强化检测网络提取目标位置有效特征,忽略不重要特征信息,以克服传统YOLOv3算法中因特征提取不充分而导致目标漏检的问题。结果表明,所提出的AAM-YOLOv3模型检测mAP值为97.5%,计数准确率为98.9%,较改进前分别提高5.8%和4.4%,检测速度达到40 fps。所提算法以及检测计数方法可快速高效地实现类圆杆物的准确计数,能满足生产分装过程检测要求。     

汽车散热器焊合率热成像检测系统

为了解决工业中汽车散热器焊接加工后焊合率无法逐个检测和无损检测的问题,研究了红外热成像技术结合图像处理的无损检测方法。以红外热成像技术为依托,对目标物体表面红外热辐射进行温度转换,获得物体表面直观热像图。利用图像处理算法,获取需求数据和判断数据,实现焊合率的判断。研究结果表明：随着翅片焊合率从10%以每次10%递增至100%,翅片温度从299.8 K增至326.6 K,隔板温度从338.3 K降至328.3 K。以二值化图像对黑白像素点占比进行分析,白色占比越高则散热器焊合率越高。利用汽车散热器的功能特性,通过红外热效应检测其焊接程度,提高了产品受检率和检测精度。