基于优化的残差网络的锈蚀钢筋图像分类

通过实验研究提出一种基于残差网络(ResNet)的锈蚀钢筋分类方法,为开发锈蚀钢筋现场准确定量评价方法提供新思路和技术参考.以1478根直径12 mm和14 mm,锈蚀率1.45%~56.10%的钢筋为研究对象,利用工业相机在实验室条件下拍摄图像,结合数据增强技术,共获得23648张样本图像,并根据锈蚀率确定11类标签.基于深度卷积神经网络搭建ResNet结构,并利用Adam算法进行迭代优化,通过对比不同数据集的实验结果评估分类准确率和训练轮数.为验证所提方法的适用性,将不同直径钢筋的样本图像组合成6种数据集进行训练与测试.研究表明,经过100次迭代训练,针对6种数据集的钢筋锈蚀程度分类准确率均在93.2%以上,最高达98.8%.该方法支持混合直径的锈蚀钢筋高精度分类,具有良好的实际应用性.

铝合金气缸盖和曲轴箱通风道缺陷分析及工艺优化

针对重力浇注铝合金缸盖曲轴箱通风道缺陷(断芯),采用鱼骨图分析法对缺陷的形成原因进行了分析,对铸造工艺进行了分析和优化。通过优化调整曲轴箱通风道砂芯(Blowby砂芯)与底框砂芯、冒口砂芯的结构以调整砂芯间配合间隙,并通过增加工位器具和增加下芯夹具报警装置等措施,经过生产验证确定了最终铸造工艺方法。消除了曲轴箱通风道缺陷(断芯),提高了铸件质量,降低了废品率。