基于卷积神经网络的纸张表面缺陷智能检测算法研究

针对纸张缺陷检测领域中如何有效提升缺陷特征提取能力、提高检测精度以及减少小目标缺陷漏检的难题,创新性地提出了一种基于改进Faster R-CNN算法的检测方法。该方法通过采用ResNet-50代替传统的VGG16作为特征提取的骨干网络,有效地增强了对纸张缺陷特征的捕获能力;进一步引入CBAM模块,实现了对空间及通道注意力的双重优化,显著提升了缺陷检测的准确度。此外,通过将ROI-Pooling技术升级为ROI-Align技术,本方法进一步增强了模型对纸张缺陷检测的泛化性能。经验证,该改进算法在常见纸张缺陷检测方面的平均精度达到了98%,不仅显著提高了检测精度,还有效减少了小目标缺陷的漏检,降低了错误检测率,为纸张缺陷检测技术的发展提供了新的思路和方法。

基于深度学习的工业纸张图像批量化检测处理技术研究

为实现针对纸张缺陷的自动化批量检测,提高造纸企业工业纸张生产的合格率水平。通过融合空间注意力机制对EfficientNet算法中的卷积神经网络进行优化,进而形成了一套SAEfficientNet算法,并通过该算法实现了对工业纸张图像的批量化检测,大批量识别出了纸张图像中的裂缝缺陷。为验证该方法的应用性能,挑选出800张纸张缺陷图像,并通过纸张缺陷图像数据对算法模型进行检测与训练。研究结果表明:SAEfficientNet算法对纸张缺陷识别的准确率高达98.19%,具有一定的应用价值。

基于多TMR的涡流无损顶锤裂纹检测系统设计

针对碳化钨顶锤的表面及近表面裂纹的快速精准无损检测需求,开发了一套基于多个隧道磁阻的涡流裂纹探伤检测系统。系统设计了电源供电电路、频率可调节的信号发生电路、功率放大电路、检测探头,能检测出微缺陷引起的叠加磁场的变化。有限元仿真与顶锤检测实验的对比分析表明该检测系统可以准确识别顶锤的细微裂纹损伤,实现了基于涡流原理的顶锤钨合金试块近表面微小裂纹的检测。

基于5G时代的制浆造纸企业生产辅助工具定位系统研究

随着5G技术的不断发展和广泛应用,各行各业都在积极探索如何将其融入实际生产,以提高效率、降低成本、改善产品品质。尤其是制浆造纸行业,作为传统产业,也在不断寻求创新与变革。以此为背景,结合5G技术的优势,探讨了基于5G的制浆造纸企业生产辅助工具定位系统的设计与应用。通过对理论的分析和实证研究,深入探讨了该系统的技术特点、应用效果以及在提升生产管理水平、实现智能化、数字化转型方面的潜力。这一研究为制浆造纸行业未来的发展提供了全新的思路和方法,有望推动行业迈向更高水平的发展。

机器视觉技术支持下的纸病智能检测系统架构设计研究

随着工业自动化技术的迅速发展,精确和高效的质量控制系统成为提升生产效率和产品质量的关键。传统的纸病检测方法依赖人工视觉,存在效率低下和误差率高的问题。为解决这些问题,对一种基于机器视觉技术的纸病智能检测系统设计展开研究。首先设计了包括硬件配置和软件算法在内的完整系统架构,其次通过实际生产环境下的严格测试,验证了系统的有效性。测试结果表明,该系统能够实时准确地识别多种纸病,显著提高了检测的准确率和效率。

基于深度学习算法的造纸企业工控网络安全管理模型研究

工业控制系统通常应用于化工、电力和造纸等诸多行业。随着信息技术的不断升级和工业控制系统的逐步完善,企业工控网络的安全越来越受重视。基于此,简述了造纸企业工控网络所存在的种种安全隐患,重点基于深度学习算法,结合异常流量检测对造纸企业工控网络的安全管理问题展开研究,提出一种多尺度跳跃激励网络结构对卷积神经网络进行优化,构建了工控网络安全管理模型,并使用KDD CUP 99数据集进行试验验证,该模型能够对工控网络中的异常流量进行深度检测,且准确率比普通模型更高。

基于机器视觉技术的纸病智能检测算法研究

机器视觉技术在工业领域尤其是缺陷检测方面展现出显著的应用潜力,其不仅能够有效提升检测的精确度和效率,还在降低人力成本方面发挥着不可忽视的作用。为此,通过探索机器视觉技术在纸张缺陷检测上的应用实例,深入分析了其面临的挑战及未来发展方向。详细讨论了基于机器视觉的纸张缺陷智能检测算法,重点涵盖了图像的预处理、特征参数的提取,并对复杂纸病的识别技术进行了深入研究。通过对特定纸病样本的训练与测试,以及对支持向量机多分类器的优化,对几类典型纸病的检测分类实验,不仅证实了所提算法的实用性,还展现了其高效的检测能力。

虚拟仪器技术支持下的烘缸轴承故障诊断系统研究

在纸制品生产过程中,烘缸轴承故障频发,严重影响生产效率,因此,开发一套有效的故障监测系统显得尤为重要。基于此,针对烘缸轴承的常见故障模式进行了深入分析,并借助虚拟仪器技术的强大功能,提出了一套基于LabVIEW平台的故障诊断系统。该系统不仅选用了适宜的硬件设备,还在LabVIEW软件的支持下,精心设计了监测系统的核心功能模块,实现了对烘缸轴承故障的智能化诊断。此系统的应用将极大提升纸机烘缸的运行稳定性,降低因故障导致的停机时间,对保障纸制品生产的连续性与高效性具有重要意义。

AI+大数据的造纸设备远程在线故障监测系统研究

积极采用大数据技术、AI技术、云计算技术等构建机电设备远程在线故障监测中心,是造纸产业提升设备故障诊断精度与健康管理水平的重要措施。对此,简述了大数据和AI在造纸产业中的应用和发展,利用麻雀搜索算法对人工神经网络模型进行优化与改进,建立造纸设备的智能故障预测模型,设计了基于AI+大数据的造纸设备远程在线故障监测系统,详细介绍了系统总体框架、硬件选型、软件与客户端设计,以期做到实时监测造纸设备运行状态、及时诊断故障类型、预测健康状态并实施健康管理等。

基于快速傅里叶变换和改进分水岭算法的纸病实时检测复合算法

本课题提出了一种适合高速宽幅造纸机纸病在线实时检测的复合算法,该算法的基本思想是:首先通过快速傅里叶变换(fast Fourier transform,FFT)将时域图像转换到频域,以便使用频域图像与高斯(Gaussian)高通滤波器做乘积运算进行滤波;再通过快速傅里叶逆变换(inverse fast Fourier transform,IFFT)将频域中的图像转换到时域,以便下一步使用运算速度较快的分水岭算法对滤波后的图像进行快速缺陷分割,实现纸病在线实时检测。利用采集到的2000余张纸病图片进行纸病检测实验,结果表明,本课题提出的复合算法具有快速、高效、适用性强、分割效果好等优点,可满足纸病在线检测对图像处理算法实时性和准确性两方面的要求。

基于空气耦合超声的宣纸润墨性检测技术

宣纸在中国书画艺术历史中占据不可小觑的地位,润墨性是鉴别宣纸质量的重要指标,所以对其润墨性的检测至关重要。现有检测方法易对宣纸造成损坏且受人为主观因素影响较大,为解决现有检测技术的缺陷,该文提出使用空气耦合超声技术对宣纸的润墨性进行检测,针对不同润墨性的宣纸进行C扫描成像,通过彩色直方图分析成像结果中的颜色分布关系,对宣纸润墨性进行评价。当采用400 kHz空耦探头、200 mm/s扫描速度时,C扫描结果均能对不同宣纸的润墨性做出表征,该方法克服传统检测中主观因素的影响,能够在对宣纸无损的情况下实现润墨性检测。通过上述结果表明,该方法可为宣纸的无损检测提供一些理论和实践参考。

多工位磁粉检测在轴承圆柱滚子无损检测中的应用

磁粉检测是轴承零件表面和近表面缺陷探伤的主要方法,针对单工位滚子磁粉探伤机检测效率低,占用空间大,易产生电火花的问题,开发了一种可同时检测8粒滚子和全方位检测的多工位滚子磁粉探伤机,并介绍了磁粉探伤的工艺参数,实际检测结果表明多工位磁粉探伤机的检测效率明显优于单工位磁粉探伤机。通过相控阵超声检测以及金相分析进行验证,磁粉探伤发现的磁痕由滚子裂纹导致,滚子裂纹为材料裂纹,进一步证明了多工位磁粉探伤机的可靠性。

基于人工智能的安全预警装置在纸卷仓储的应用

针对制浆造纸厂成品库区纸卷仓储系统,本课题利用人工智能技术,对深度学习模型多任务级联卷积神经网络进行训练,通过人眼闭合百分比算法结合相关文件,判断搬运员疲劳状态和注意力集中情况,实现实时疲劳检测、搬运员姿势检测、注意力检测和摄像头检测于一体的预警装置。

基于机器视觉的卷纸包装检测模型设计

针对卷纸包装检测效率低、人工成本高的问题,本研究基于机器视觉设计了一个卷纸包装检测模型,并命名为F-YOLOv4。首先利用工业相机在卷纸包装过程中采集目标图像,并人工标注制作成数据集;随后基于YOLOv4构建卷纸包装检测模型,通过引入轻量级的混合通道注意力模块,以强化重要特征同时避免背景噪声的引入;并设计了残差上采样模块以提升上采样的效果;最后在检测头部分,将不同分辨率的特征进行了融合以丰富特征图信息。研究结果表明,F-YOLOv4模型的准确率为97.53%,高于原始模型1.97%,检测速度为129 f/s,模型大小为39.7 MB。F-YOLOv4模型能够有效解决卷纸包装问题,为企业降低用人成本,提高生产效率。

浓度测量仪表在制浆造纸中的应用

本文介绍了制浆造纸过程中,纸浆浓度及黑液、绿液浓度等测量仪表的特点、应用场景、安装要求及注意事项。

基于机器视觉的纸病检测系统发展综述

在详细介绍以机器视觉技术为核心的纸病检测流程的基础上,研究、梳理和归纳了纸病检测系统在硬件模式、软件系统和检测算法上的发展历程,分析了当前纸病检测中存在的难点问题,并讨论了该技术的发展前景。

纸浆浓度在线测试方法的研究

根据光的后向散射理论,利用光的反射和折射原理,本文提出了一种新的在线测量纸浆浓度的方法———激光光纤测量法。此方法的测量准确度不受流速、温度、压力和纸浆中各种化学离子含量等因素的影响,具有实时性强、测量范围宽、测量准确度高等特点。

一种基于机器视觉的纸病识别方法

提出了一种基于图像灰度变换和BP神经网络的纸病识别算法。该算法是利用动态双阈值法和图像合成法对图像进行预处理,提取出纸病的特征值,再利用BP神经网络对纸病进行分类。结果表明,BP神经网络分类器可以很好地识别出纸病图像中的孔洞、脏点和褶皱,平均识别率达93.8%。

流动注射式水质在线测控系统的研究

以工业用水主要水质成分为研究对象,应用水质成分化学反应原理、新型化学流路设计理念、光电传感技术、计算机技术,研制了流动注射式水质在线测控系统。该系统除了具有传统水质监测的功能,还可控制有关的各类机械和电器硬件,实现了测控合一的水质分析自动化处理。相对传统水质分析仪器来说,结构简单、精度高、可靠性好、通用性强,提高了水质分析的速度、精度和自动化程度。

基于近场均匀照明的纸病检测系统光源优化方案

针对纸病检测系统中采集到的图像存在横向灰度不均匀现象,基于几何光学辐射照度理论,围绕纸病检测系统光源模块照射到被检测纸张上的照度均匀分布问题开展了应用技术研究。依据斯派罗法则,确定了光源模块中LED灯珠间的最优距离函数;从机器视觉的角度出发,利用实验法确定了光源阵列中不同位置灯珠的功率优化函数;采用图像灰度均匀度指标,对光源的改进效果进行了验证。结果表明,本优化方案可以将获取到的图像灰度均匀度由优化前的57.8%提高到98.6%,有效地提高了纸张的成像质量,可降低后期的图像处理难度,有望提高应用程序的执行效率。