基于改进YOLOv7的线束缺陷检测研究

针对目前线束端子压接缺陷检测过程中存在检测效率低、误检率高等问题,提出一种基于改进YOLOv7的线束缺陷检测方法。为提高算法的检测精度,在YOLOv7主干网络中添加归一化注意力模块(NAM),加强对检测目标的定位和识别;在颈部构建多尺度的集中特征金字塔网络(CFP),以捕捉不同尺度下的目标信息,加深对图像深层特征的提取;使用SIoU Loss替换CIoU Loss优化训练模型,在加快模型收敛的同时提高预测框的回归精度。实验结果表明,改进后的YOLOv7网络模型准确率达95.8%,召回率达94.5%,均值平均精度达97.6%,与原模型相比分别提高了5.0%、4.8%和3.3%,模型大小90.5 MB,检测时间为48 ms,有效提高了模型的检测精度。最后,使用PyQt5开源框架设计了线束端子压接缺陷检测系统,实现了端子压接缺陷检测的自动化和可视化,提高了缺陷检测效率,可以满足生产企业的需求。

辅助站立轮椅背部推杆机构优化设计

为了实现智能轮椅多形态背部支起机构稳定和安全运行,本团队对各种形式角度调节机构进行研究、分析,提出轮椅的背部支起机构使用电动推杆来进行角度调节。搭建了背部支起机构模型,在分析了背部支起机构几何关系和力学模型的基础上,使用MATLAB求解电动推杆固定位置的最优解;借助SolidWorks Motion进行动力学仿真,确定电动推杆的最佳行程。借助SolidWorks Simulation进行有限元仿真分析,验证背部支起机构的设计方案。仿真结果表明:电动推杆的固定位置和行程选择合理,降低了承载梁的载荷,提高了背部支起机构安全性和平稳性。