基于迁移学习的正温度系数热敏电阻表面损伤分类算法研究

正温度系数热敏电阻(Positive Temperature Coefficient Resistor,PTCR)在生产转运过程中易遭受表面损伤,人们通常在出厂前对其甄别损伤,实施筛选。然而现在常采用人工手动分拣,效率低,容易漏选,因此使用机器视觉技术来进行智能化分类将极大地提升其分拣效率。论文提出了一种基于迁移学习的PTCR表面损伤分类算法,此算法将获取的数据集进行数据增强后在三种卷积神经网络模型Inception-V3、ResNet50、Xception分别提取特征向量,然后将提取到特征向量进行合并训练,使用SoftMax进行分类,最后获得了准确率最高的OurNet(自命名)模型。该模型可以自动识别出边缘破损、完全破裂、表面刮擦等三种表面损伤,从而保障产品质量,提高生产效率。

制热和自馈温融合型传感器的研制

PTCR热敏电阻具有成本低、自动恒温发热的特点,在多个领域获得了应用。以低电压、低电阻型PTCR热敏电阻作为研究对象,研制出既可以制热,又可以自馈温的传感器。它充分利用了PTCR的阻-温特性,配合精密测量和数据处理,通过一定的校正手段,最后封装成为整体。样机在制热效率上提升了60%,能耗降低了30%,满量程时的自馈温精度提高了2个数量级,因此有很高的实用价值。