轮胎X光图像瑕疵检测FasterR-CNN算法改进研究

轮胎是我国国民经济的重要支柱,利用X光机对轮胎进行质量检测在整个轮胎生产过程中是极其重要的一道工序。目前国内工厂普遍采用肉眼观察轮胎X光图像进行识别,存在效率低下、人工成本高等一系列问题,因此采用计算机视觉技术进行自动识别是今后的发展方向。本文将目标检测算法Faster R-CNN应用于轮胎质检,并加以改进:(1)在模型中融合FPN(Feature Pyramid Network,特征金字塔网络),用以解决轮胎瑕疵尺度变化大的问题;(2)在算法中融合背景特征信息,对候选框进行重排名,增加检测模型最终的检测精度。通过对某轮胎厂提供的轮胎X光图像进行瑕疵检测对比表明,这些改进措施提高了检测模型的m AP(mean Average Precision)指标,具有良好的应用前景。

基于改进CNN和ViT网络的复合工况示功图诊断技术研究

传统卷积神经网络在抽油机故障诊断领域中,面向单一工况示功图诊断已取得较好精度,但在处理复合工况示功图时,诊断精度仍较低。论文研究了改进卷积神经网络(CNN)和视觉Transformer(ViT)的复合工况示功图诊断技术,设计了融合ViT和非方卷积核的混合CNN结构,更有效地提取复合工况示功图特征。首先通过三元组损失对网络进行训练,使用训练完成的网络建立示功图特征检索库,再将示功图特征与检索库中特征计算相似度向量以实现诊断。实验结果表明,混合网络结构在测试集上诊断精度达95%以上,优于传统CNN模型,有效提升了复合工况示功图诊断精度。