基于深度学习的焊缝缺陷检测方法综述

焊缝缺陷检测是材料加工和成型过程中不可或缺的一环。焊接质量直接影响着焊件的使用性能,因此对于焊缝质量进行全面、准确地检测显得尤为重要。近年来,深度学习因其特征提取精度高和通用性强等优势,在焊缝缺陷检测领域扮演着重要角色。文中首先介绍了常见的焊缝缺陷类型;然后,从图像分类、目标检测和图像分割三方面对基于深度学习的焊缝缺陷检测算法的研究进展进行了全面综述;最后,总结了基于深度学习技术进行焊缝缺陷检测时需要解决的问题,并对未来发展趋势进行了展望。

空间相机调焦机构设计与分析

地面图像获取的主要手段为空间相机,目前广泛使用在军事、农业及深海等领域中实施探测。空间相机在运输、发射过程,或者在轨道中因为压力、温度等原因的影响,空间相机系统中的光学镜面都会产生相应的变化,如结构发生位移或光学镜片面型发生变化,这就导致在整个空间相机系统中各光学元件发生折射率的变化,继而引起焦面的位置偏移,最终出现空间相机成像质量降低情况。在此情况之下,需要一套设计完善的,能够补偿相机离焦的调焦机构。

基于深度学习的X射线焊接缺陷检测综述

对国内外基于X射线焊接缺陷检测相关技术的研究进行整理,包括焊接缺陷图像特征和基于深度学习的焊接缺陷检测。在深度学习部分重点分析了数据增强和网络结构优化,数据增强部分从传统数据增强和生成对抗网络两方面论述,网络结构优化则是按照目标检测将其分为一阶段和二阶段两部分论述,最后对焊接缺陷领域的深度学习方向进行总结展望,为后续学者对相关内容进行研究提供一定参考。

超表面异质结构的熔融沉积复合成形工艺及其电磁伪装性能研究

超表面异质结构曲面共形电介质基底和金属单元序构的集成制造是阻碍超表面电磁伪装技术向工程化应用方向发展的瓶颈问题。基于3D打印技术设计自由度高、适合复杂结构快速成形的优势,提出一种液态金属与聚合物异质结构的熔融沉积复合成形工艺。在现有聚合物熔融沉积成形(Fused deposition modeling,FDM)工艺的基础上,基于热压-微结构嵌合界面增强机理,实现了熔融Sn-Bi液态金属在聚乳酸(Polylactic acid,PLA)基底上的稳定沉积;进一步优化打印挤出流量和层高等工艺参数,实现了金属线条的可控成形;通过运动指令修正和动态流量补偿的方式,显著提升了熔融沉积复合成形工艺的复杂结构成形能力。最后,利用所提出的液态金属与聚合物熔融沉积复合成形工艺制备了一种梯形超表面电磁伪装结构。电磁测试结果表明,所设计的超表面样品在x极化电磁波垂直入射的条件下最大广义雷达散射截面(Radar cross section,RCS)缩减达到约-14.1 dB,即超表面样品与拟伪装目标的电磁反射特性达到约96.1%的相似度,3 dB缩减(即RCS缩减至50%)带宽约为33.6%,显示出优异的电磁伪装性能。这种液态金属和聚合物的熔融沉积复合成形工艺为曲面共形超表面异质功能结构的集成制造提供了一种有效方法,为推动超表面向工程应用方向发展提供了制造技术支撑。