纳米复合智能防腐涂层在金属表面上的应用研究

智能防腐涂料能可有效地提高金属的使用寿命,因而具有自愈功能的智能防腐涂料越来越受到人们的重视。概述了pH响应、光刺激响应、离子响应等不同触发机制的纳米智能防腐机制研究,总结了不同金属表面纳米复合智能防腐涂层研究进展,最后提出金属表面智能自修复防腐涂层发展所面临的挑战和未来发展前景。

基于双流YOLOv4的金属表面缺陷检测方法

目前有许多学者使用深度学习进行表面缺陷检测研究,由于这些研究大都沿用主流目标检测算法的思路,注重高级语义特征,而忽视了低级语义信息(色彩、形状)对表面缺陷检测的重要性,因此导致缺陷检测效果不够理想。为解决上述问题,提出了一种金属表面缺陷检测网络——双流YOLOv4网络,骨干网络分成两个分支,输入分为高分辨率图像和低分辨率图像,浅分支负责从高分辨率图像中提取低级特征,深分支负责从低分辨率图像中提取高级特征,通过削减两分支的层数和通道数来减少模型总参数量;为了强化低级语义特征,提出了一种树形多尺度融合方法(Tree-structured Multi-scale Feature Fusion Me-thod,TMFF),并设计了一个结合极化自注意力机制和空间金字塔池化的特征融合模块(Feature Fusion Module with Polarized Self-Attention Mechanism and Spatial Pyramid Pooling,FFM-PSASPP)应用到TMFF中。在东北大学热轧带表面缺陷数据集NEU-DET、金属表面缺陷数据集GC10-DET和伊莱特电饭煲内胆缺陷数据集Enaiter的测试集上对所提算法进行了测试,测得的map@50结果分别为0.80,0.66和0.57,相比大部分主流的用于缺陷检测的目标检测算法均有提升,且模型参数量仅为原YOLOv4的一半,速度与YOLOv4接近,可满足实际使用需求。

基于计算机视觉的工业金属表面缺陷检测综述

针对平面及三维结构金属材料的工业表面缺陷检测,概述了视觉检测技术的基本原理和研究现状,并总结出视觉自动检测系统的关键技术包括光学成像技术、图像预处理技术与缺陷检测器.首先介绍了如何根据检测对象的光学特性选择合适的二维、三维光学成像技术;其次介绍了图像降噪、特征提取、图像分割和拼接等预处理技术的重要作用;然后根据缺陷检测器的实现原理将其分为模板匹配、图像分类、图像语义分割、目标检测和图像异常检测五类,并对其中的经典算法进行了归纳分析.最后,探讨了工业场景下金属表面缺陷检测技术实施中的关键问题,并对该技术的发展趋势进行了展望.

基于对比学习的小样本金属表面损伤分类

现有小样本分类方法局限于从每轮支持信息中归纳出类内共性,忽略了在迭代过程中类间关联性以及样本本身携带的类别信息。由于金属损伤纹理细微、多变,因此所形成的特征分布类间距离小、类内距离大。因特征分布聚合性差导致小样本分类性能降低且新类泛化性变差,提出一种基于内外双层训练模型架构的小样本金属表面损伤分类方法。内模型在利用度量手段完成元分类任务的同时,引入双模态特征作为外模型特征空间的信号,即在新映射空间下利用类别标签信息有监督地对比不同类别的图像特征、优化特征分布,使类间区分度更大、类内聚合度更高。在训练阶段中外模型反传对比损失,间接加强原有特征空间的表征能力,从而提高内模型的度量水平,提升分类精度。同时,利用类别嵌入作为动态类别中心,可以有效减少小样本问题中的噪声干扰,加强模型泛化性能。在GC10、NEU及APSD 3个常用的金属损伤数据集上的实验结果表明,相比ProtoNet、MatchingNet、RelationNet等主流方法,该方法具有较优的分类精度,特别是新类别的泛化能力得到大幅提升,5-way 5-shot设定下分类精度至少提高了5.24、1.39和6.37个百分点,分类错误下降率分别为36.00%、17.94%和66.15%;此外,新类分类精度分别从36.53%、82.43%、31.89%提升至69.12%、91.57%、48.23%。5-way 1-shot设定下分类精度分别至少提高8.34、3.01和4.61个百分点,分类错误下降率分别为28.32%、23.37%和46.57%。

基于CNN融合PGW-Attention的金属表面缺陷识别方法

针对分散和细小的金属表面缺陷检测方法,卷积神经网络(CNN)缺乏全局特征捕捉能力,在识别氧化颗粒、裂纹和划痕等缺陷时易发生漏检和特征丢失,Transformer能够捕捉图像全局信息,但全局计算导致较高的计算成本。为实现高效且精准的金属表面缺陷识别,将CNN的局部特征提取能力与Transformer的全局建模能力有效融合,提出了一种基于深度可分离卷积(DW-Conv)融合池化网格窗口注意力机制(PGW-Attention)的金属表面缺陷识别网络架构(DPG-Transformer)。在自建金属缺陷数据集(ST-DET)和公开金属缺陷数据集(NEU-CLS)上对该方法进行了实验验证,DPG-Transformer的缺陷识别准确率分别为99.3%和99.6%,在准确率、计算量和浮点计算量等指标上优于多种经典网络。此外,在可视化实验中,DPG-Transformer显示出比CNN模型更全面地腐蚀和氧化皮的缺陷特征提取能力,并能比Transformer模型更加精准地关注到细长裂纹和划痕的全局缺陷特征。实验结果表明,该方法可以降低Transformer模型的计算量和复杂度,同时能够更全面、精准地提取到金属表面缺陷特征,是一种更切合实际应用的金属表面缺陷检测方法。

改进YOLOv8的金属表面缺陷检测模型

针对工业制造中金属表面缺陷检测的检测精度低、漏检率和误检率高等问题,文章提出了一种改进YOLOv8的金属表面缺陷检测模型。首先采用CG模块替换掉Backbone的下采样卷积模块,增强模型的上下文信息理解能力;其次采用RepGFPN模块替换原始的特征金字塔网络,提高模型的多尺度特征提取能力;最后通过对检测头重设计,提出GDetect模块,提升模型的整体性能。实验结果表明,改进后的模型在GC10-DET数据集中准确率、召回率和m AP@0.5达到了71.2%、72.4%和74.5%,分别提高了2.8%、8.1%和6.0%,参数量和计算量分别减少了6%和22%。同时在PASCAL VOC和NEU-DET数据集验证了模型在不同数据集下的鲁棒性和泛化能力,提高了对目标的检测精度。所提出的改进模型在金属缺陷检测领域取得了显著进展,提高了检测精度,解决了常见问题,并在保持轻量级的同时实现了较高的性能,为金属表面缺陷检测提供了一种高效且可行的解决方案。

基于小型化同轴探头对微小金属表面裂纹及非金属材料缺陷检测

同轴谐振器是一种常用的微波传感器,在金属裂纹检测中具有很大的应用价值。该技术基于电磁波与物体之间的相互作用,通过测量谐振器的共振频率变化来检测金属材料中的裂纹和缺陷。利用波长型同轴谐振腔设计的开放型传感器,在金属裂纹检测领域,可以用于实现对金属表面裂纹的定性和定量检测。设计的小型化同轴谐振腔尺寸为15mm左右,可以对400um,200um,100um的金属缺陷进行识别检测,同时也可以对100um的非金属缺陷或是复合材料进行识别检测。

基于深度学习的金属表面缺陷检测

由于金属产品生产过程中各种因素的影响,金属工件可能会存在一些表面缺陷.这会降低材料强度,缩短工件寿命,并且增加安全风险.因此,需要对金属产品表面进行质量检测,这也是保证工业生产质量的关键环节.与传统人工检测相比,基于机器视觉的表面缺陷检测方法具有速度快、精度高等优点.提出了一种改进的YOLOv5算法,用于金属表面缺陷检测研究,在原YOLOv5算法的基础上将空间金字塔池化结构SPP替换成SPPCSPC,提高模型对金属表面缺陷的检测能力.为了验证算法的有效性,分别采用YOLOv3,YOLOv4,YOLOv5及改进的YOLOv5算法对1 800张金属表面缺陷样本图像进行对比测试.结果表明,与YOLOv3,YOLOv4,YOLOv5原算法相比,改进的YOLOv5算法平均目标检测精度均值分别提高了4.3%,3.3%,2%.通过大量图片的学习,可以获得更好的精确率.

金属表面处理剂对2205双相不锈钢PAW焊力学性能和腐蚀行为的影响

目的提高等离子弧焊(PAW)焊接2205双相不锈钢的力学性能和耐腐蚀性能。方法采用金属表面处理剂为介质,对2205双相不锈钢PAW焊接接头进行保护试验,研究了金属表面处理剂对2205双相不锈钢PAW焊接接头力学性能和耐腐蚀性能的影响,采用扫描电镜、能谱分析、维氏硬度仪、万能试验机和电化学工作站等,对2205双相不锈钢原始试样、2205双相不锈钢PAW焊无金属表面处理剂保护试样、2205双相不锈钢PAW焊金属表面处理剂保护试样的性能进行分析。结果在经过金属表面处理剂保护的2205双相不锈钢PAW焊中,金属表面处理剂中化学元素扩散至材料表面,扩散深度不小于0.005 mm。与未采用金属表面处理剂保护焊缝相比,焊缝硬度为262HV~271HV,提高了25%,热影响区硬度为262HV~271HV,提高了15%。万能试验机拉伸试验分析结果表明,双相不锈钢焊接接头抗拉强度提高了20%,有效提高了2205双相不锈钢PAW焊接头的力学性能。电化学试验结果表明,在2205双相不锈钢金属表面处理剂保护PAW焊中,动电位极化曲线的点蚀电位与自腐蚀电位差最大分别为0.2876 V和0.5554 V。维钝电流密度最小,交流阻抗分析结果表明其容抗弧半径最大,钝化膜内层电阻最大为7.531×10^(5)Ω·cm^(2),有效提高了其抗腐蚀能力。结论经过金属表面处理剂保护的2205双相不锈钢PAW焊后,焊接接头的力学性能和抗腐蚀性能最好。

基于被动式RFID传感的指纹辅助金属表面裂纹多特征监测技术研究

针对金属表面裂纹的多特征监测问题,提出了一种基于射频识别(Radio Frequency Identification, RFID)技术的裂纹多特征监测方法。首先,设计了一种RFID标签阵列,通过裂纹影响标签反射信号的相位特征来感知裂纹特征。然后,设计了一种基于几何法的裂纹粗定位算法,利用粗定位结果结合指纹法进行细粒度定位,计算得到裂纹的方向、位置和宽度。最后,通过在不同标签阵列密度以及指纹密度的情况下进行仿真,并进行真实实验来验证该算法的有效性和准确性。仿真及实验结果表明,与传统RFID指纹法相比,所提方法能有效降低裂纹多特征监测误差。

解耦融合机制的金属表面缺陷小样本分割网络

精准的金属表面缺陷小样本分割是工业生产制造和成本控制的重要基础.但主流遵循元学习范式的小样本分割算法利用单一原型编码特征,难以表示缺陷样本前景-背景的复杂分布,因此建立一个缓解前景-背景感知模糊的模型仍是目前的难点问题.针对上述问题,提出一个基于解耦融合机制的小样本分割网络DFMNet(decoupling fusion mechanism-based network).将缺陷分割任务解耦为已知类(缺陷区域)和基类(背景区域)2个语义分割子任务,利用基于图推理的元解析模块产生已知类的粗分割掩码,以及基于背景描述子的基类引导模块输出基类的粗分割掩码,实现对应子任务目标.引入基于解耦融合策略的信息融合模块处理两个子任务的粗预测结果,缓解前景-背景不平衡的问题,实现更精细地分割.引入基于Gram矩阵的自适应调整因子,使模型更多关注场景差异所带来的特征变化,提高模型的泛化能力.在金属表面缺陷数据集上进行实验,与现有多种小样本分割网络进行了广泛的对比分析和消融实验.结果表明,该方法有效缓解了前景-背景感知模糊的问题,达到了最先进的效果.

钢结构金属表面机械喷射处理工艺与设备改进策略分析

机械喷射处理工艺在保护钢结构金属表面得到了普遍应用,良好的工艺以及设备改进策略决定了钢结构使用效果。主要探究了钢结构金属表面机械喷射处理工艺和设备改进的基本策略。

预处理对金属表面油漆附着力的影响研究

论文通过金属表面磷化处理,自制溶液浸泡,金属表面打磨三种工艺实验,考察影响这三种工艺的各种因素,比如温度,pH值,浓度等等,从而得出不同工艺的最佳适用条件以及适用对象。进而探究出通过每一种处理工艺得到产品工件的最为理想的效果——最佳防腐性能及最佳表面油漆附着力。

金属表面处理剂等离子弧处理对冷拔45钢的表面性能研究

冷拔45钢平键应用广泛,等离子弧处理可以明显提高冷拔45钢的表面硬度,但是会增加表面粗糙度。为了获得稳定的表面性能,文章对冷拔45钢的金属表面处理剂等离子弧处理表面加工研究。结果表明,经过金属表面处理剂等离子弧处理的钢表面的显微硬度提高了约40%,硬度层深度约20μm;粗糙度与试样等离子弧处理前接近。与气相介质等离子弧处理表面加工相比,金属表面处理剂等离子弧处理在不影响冷拔45钢平键表面光洁度的情况下,可以明显提高其表面硬度。

金属表面缺陷的机器视觉检测方法研究与实现

随着信息化技术的飞速发展,视觉识别技术由此诞生,其相对比传统的人工识别来说,无论是识别检测的准确性还是效率,都有了较大程度的提升,尤其是在金属表面缺陷检测层面,机器识别检测技术的功能优势更加巨大,有利于提升产品生产加工质量。鉴于此,文章通过实验分析,重点就机器视觉检测在金属表面缺陷识别中的运用以及实现进行研究分析,以供业内人士参考和借鉴。

金属表面渗层薄膜的制备技术对材料性能的影响研究

本论文着重研究了金属渗镀层的制备技术和渗镀层对材料性能的影响。采用热处理、化学和物理等方法,可获得各种性质的金属渗镀层。研究发现,不同的加工技术,会对材料的性质产生很大的影响。利用扫描电镜、透射电镜、高分辨透射电镜等多种电子显微学手段,精确地观测并分析渗镀层的显微组织。通过本项目的研究,我们可以发现,渗镀层技术对材料的性质有很大的影响,而电子显微镜能够给出更多的显微组织信息。

金属表面处理的工艺发展探析

金属表面处理技术在工业生产中扮演着至关重要的角色,本文系统回顾了该技术自原始阶段至现今多元化、精细化演进的历程。通过对早期简陋方法、工业革命时代的技术革新直至当前多样化处理手段的深入剖析与对比,涵盖了物理处理法、化学处理法以及电化学处理法等各种策略的详尽研讨,旨在全景展现金属表面处理技术的发展脉络及其变迁动态。本文还针对当前所面临的技术瓶颈及未来发展趋势,着重探究了环保型金属表面处理技术的可能性及其实际应用效果,旨在引导金属表面处理技术向更加环保和可持续的方向迈进,以适应日益严苛的环保要求和产业可持续发展的迫切需求。

改进YOLOv3的金属表面缺陷检测研究

金属作为主要的工业产品原材料之一,在加工过程中难免会对表面造成损伤,如划痕、裂缝等,金属表面的损伤会使产品的质量、美观受到严重的影响,导致企业利润减少,所以企业需要在产品生产过程中对金属表面进行缺陷检测,确保产品质量,降低成本。然而传统的人工检测,由于人的主观因素影响较大,存在漏检、成本高、效率低等问题。针对于此,本文提出了一种改进YOLOv3的金属表面缺陷检测方法,并且通过实验分析重点研究其改进要点和检测成效,以供参考和借鉴。

金属表面纳米粒子/聚合物复合防腐涂层的研究进展

纳米材料(NMs)具有独特的性能,由其构成的纳米粒子/聚合物复合涂层在金属表面防腐蚀方面是非常经济有效的。本文总结了氧化物基和碳基两种不同纳米材料对纳米粒子/聚合物涂层性能的影响,概述了典型纳米粒子/聚合物复合防腐涂层防腐机理,表明碳基纳米材料可以作为提高防腐涂层阻隔性能的较有前途的纳米填料。最后展望了将纳米粒子/聚合物材料有效应用到金属表面防腐涂层中所面临的挑战和未来发展前景。

基于E-YOLOX的实时金属表面缺陷检测算法

针对现有基于深度学习的金属表面缺陷检测方法存在泛化能力差、检测速度低等问题,提出一种新的检测算法E-YOLOX。该算法采用新的特征提取网络ECMNet,并使用深度卷积减少网络参数;以线性逆瓶颈残差网络提升特征提取能力,在正向传播过程中保留更多高维张量内的流形分布于低维子空间的关键特征;以扩张跨阶段局部网络结构多样化神经网络的梯度流路径,使深层神经网络更高效地学习和收敛。同时,提出一种新的数据增强方法边缘Cutout,在训练过程中自适应生成掩膜覆盖图像的随机区域,提升网络的检测和泛化能力。实验结果表明,E-YOLOX-l在铝型材表面缺陷数据集AL6-DET上检测精度达到了77.2%的mAP,在钢材表面缺陷数据集GC10上检测精度达到了36.8%的mAP,较基准模型YOLOX-l分别提高3.6%和1.7%,同时参数量减少55%,计算量减少49%,检测速度达到57 FPS,提高了21 FPS。与相关算法对比,该算法取得较高的检测精度,且在精度和速度之间达到较好的均衡。