Constructing a data platform for surface defect management using a multidimensional database

Surface quality has been one of the key factors influencing the ongoing improvement of the quality of steel. Therefore,it is urgent to provide methods for efficient supervision of surface defects. This paper first expressed the main problems existing in defect management and then focused on constructing a data platform of surface defect management using a multidimensional database. Finally, some onqine applications of the platform at Baosteel were demonstrated. Results show that the constructed multidimensional database provides more structured defect data, and thus it is suitable for swift and multi-angle analysis of the defect data.

基于改进YOLOv5的变电站表计缺陷检测算法

准确检测变电站中的设备缺陷并及时进行处理是保证电力系统安全运行的重要措施.针对表计缺陷图像背景复杂、目标尺寸不一、外形差别大等问题,提出基于改进YOLOv5(you only look once的第5个版本)的变电站表计缺陷检测算法.为了提高泛化能力、解决训练过程中样本不平衡问题,利用旋转和改变图像亮度的方法进行数据增广.通过引入坐标注意力机制,在聚焦缺陷特征的同时,能突出缺陷特征的差异.为了使边界框回归更快速准确,将EDIOU loss(effective distance intersection over union loss)代替CIOU loos(complete intersection over union loss).实验结果表明:6种算法中,该文算法的准确度、召回率和mAP(mean average preciscion)均最高,分别达85.1%,86.6%,87.3%.因此,该文算法具有优越性.

固体力学跨尺度计算若干问题研究

本文展示了固体力学领域跨尺度计算的若干问题和研究概况。(1)建立位错动力学与有限元耦合DDD-FEM的计算模型,实现了能够基于纳米尺度离散位错运动机制计算分析连续介质有限变形晶体塑性问题,提出微纳尺度(200 nm~10μm)晶体塑性流动应力解析公式,结合试验数据揭示了在无应变梯度下强度和变形的尺寸效应;(2)建立具有微相分离结构的纳米尺度粗粒化分子动力学模型CG-MD,计算获得聚脲材料在时域和频域下的存储模量和损耗模量,通过动态加载分析的DMA试验和超声波试验的数据验证,解决了连续介质尺度下微相分离高分子共聚物的设计难题;(3)通过数据驱动关联高分辨率的微米尺度CT影像和临床低分辨率的毫米尺度CT影像的特征值,建立了围关节松质骨小梁的等效模量和结构张量,为骨组织增材制造点阵结构设计和实现个性化骨缺损重建奠定了基础。

生成对抗网络在表面缺陷生成中的应用

基于深度学习的目标检测算法广泛应用于工业产品表面缺陷检测领域,但构建的模型需要大量的带标签的产品缺陷数据。为降低缺陷数据的获取成本,本文提出了一种基于生成对抗网络的表面缺陷生成算法。通过该算法,可以生成更接近真实分布的缺陷数据。实验结果表明,生成的缺陷图像非常逼真且包含了一定的判别性,将其作为样本参与缺陷检测模型训练,能够产生正则化效果,从而提高缺陷检测的鲁棒性和泛化能力。

基于知识集成流形的电力设备缺陷文本数据增强方法与应用研究

当前电网数字化转型升级,电力设备智能运维技术快速发展,在运维过程中积累了大量包含电网重要信息的电力设备缺陷文本。由于文本数据标签稀疏,以及描述语言的模糊性、差异性等问题,电力文本中的运维信息难以被有效挖掘。文章提出了一种针对电力设备缺陷文本的数据增强方法。首先,使用缺陷文本数据集微调预训练模型ERNIE(enhanced representation through knowledge integration),应用多阶段知识掩码策略将电气领域专业知识集成到对缺陷文本的动态编码中;然后在流形假设的基础上基于降噪自动编码器架构设计破坏函数和重建函数,遵循基于信息价值的掩码单元选择策略构建破坏函数,基于微调过的ERNIE构建重建函数,在“破坏-重建”过程中获得位于原始数据流形范围内的增强样本;其次对增强数据集基于影响函数和多样性度量进行数据选择,过滤掉数据质量差和重复度高的增强样本;最后通过多层训练框架,将增强数据应用于各种缺陷文本挖掘任务。算例基于真实设备巡检、检修记录构建了电力设备缺陷文本等级分类任务。结果表明,所提出的算法对缺陷文本挖掘效果有较大提升,并且可以广泛灵活地应用在多种电力设备缺陷文本挖掘任务中。

地面激光扫描点云与无人机影像点云融合应用

通过建立高精度的桥梁三维点云模型,检查桥梁病害情况并拟合绘制出桥梁线形。首先以无人机近景摄影、环绕飞行、井字飞行获取某双线特大桥梁主体与细部纹理数据,然后将不同航线采集的数据在Context Capture软件里面进行三维重建,将桥梁主体与细部影像融合生成完整桥梁点云1。运用Trimble SX12仪器完成对桥梁一体化扫描,获得完整桥梁点云2。提出基于双向KD-tree优化的ICP(Iterative Closest Point)算法对无人机航摄桥梁点云1与地面激光扫描桥梁点云数据2进行配准融合,加密后的桥梁点云用于建立运营铁路双线特大桥精细化三维实景建模。提出基于KD-tree的PCA(Principal Component Analysis)算法完整提取出桥梁吊索点云,运用最小二乘法拟合出桥梁拱轴线线形、RANSAC算法拟合出桥面线形。通过与单一无人机、单一地面激光扫描精度及完整性对比分析,以验证融合建模的有效性。研究结果表明:融合建模的模型水平精度1.71 cm、垂直方向精度1.25 cm,较单一无人机建模精度在水平与竖直方向分别提升16.59%与20.89%;融合建模的完整性为98.17%,纹理效果更加真实,并检查出桥墩存在蜂窝麻面、渗水等病害,拱肋存在涂装锈蚀、破裂等病害。该研究可为桥梁三维点云模型应用研究提供思路参考,具有较好的应用前景。

基于改进VGG13的冲压件表面缺陷识别方法研究

针对现有冲压件制品缺陷检测方法准确率低的问题,分析深度学习的原理与方法,以VGG13网络为基准模型,通过在特征提取层之后增加CBAM模块进行改进,提出5种基于VGG13与CBAM注意力机制模块相结合的网络模型(VGG13-CBAM),将改进后的新模型与改进前原VGG13模型分别在武汉某制造车间采集的冲压件缺陷数据集上进行实验研究。将数据集以6∶2∶2划分为训练集、验证集、测试集,并使用数据增强进一步扩充训练集,增加模型泛化性能,对比数据增强前后效果的提升。实验结果表明:在改进后的VGG13-CBAM03网络与VGG13-CBAM04网络上效果明显提升,测试集正确率由79.65%分别提高到了81.55%和81.40%,在使用数据增强对训练集进行扩充后,测试集正确率分别达到84.25%和84.15%,有效提升了冲压件缺陷检测准确率。

基于深度学习的列车车轴缺陷超声检测

针对列车车轴超声检测中缺陷(特别是微小缺陷)检出率和检测效率低的问题,提出了一种基于深度学习的列车车轴缺陷超声检测方法,在YOLO v5s网络的基础上,改进特征提取层结构并加入SE注意力机制,采用实际车轴检测数据、CIVA仿真数据和GAN生成式数据构建了数据集,并进行了验证试验。试验结果表明,通过增加仿真数据和GAN生成式数据样本,所提方法在提高实际车轴超声检测缺陷检出率的同时,可有效检出微小车轴缺陷,其检出率可达99.25%,具有较高的应用价值和前景。

基于数据挖掘探讨肖承悰治疗黄体功能不全性不孕的用药规律

目的利用数据挖掘技术分析肖承悰教授治疗黄体功能不全性不孕的用药规律,探讨其临证经验。方法收集2007年12月-2021年12月肖承悰教授门诊患者病历资料,筛选后录入FangNet平台,通过频次统计、协同性分级、药物-症状关联、药物聚类、性味归经等对用药规律进行分析。结果共纳入病案90则,涉及患者90例、处方270首。肖承悰教授治疗黄体功能不全性不孕高频药物包括桑寄生、续断、巴戟天、茯苓、女贞子等,药性多温、平,药味以甘为主,主归肾经、肝经。药物聚类分析显示,桑寄生、续断、巴戟天为主要药对。结论肖承悰教授认为,黄体功能不全性不孕的病机为肾阳亏虚,治以温肾助阳为主,兼以养肝健脾,调理冲任;用药强调药性平和,临床中擅用药对,展现了燕京萧氏妇科“和合灵动”的学术思想。

基于机器学习的增材制造合金材料力学性能预测研究进展与挑战

增材制造是现代高端装备制造领域的革命性突破技术之一.其中,增材构件的大批量生产和高可靠应用,关键在于制造可重复性、质量可靠性与性能可预测性.而在各向异性组织、广域分布缺陷、深部残余应力和复杂表面粗糙度等诸多因素的共同影响下,基于传统经验模型和有限数据的增材制造金属力学性能预测效率与准确性面临着严峻挑战.近年来,作为大数据与人工智能发展到一定阶段的必然产物,机器学习(machine learning,ML)方法为有效处理高维物理量之间的复杂非线性关系提供了契机,在增材制造合金材料力学性能预测领域得到持续关注.文章综述了机器学习在增材制造材料及构件力学性能预测中的国内外研究进展.首先简述了常见的机器学习算法和通用的机器学习流程,重点分析了融合物理信息的机器学习(physics-informed machine learning,PIML)方法的特点与构造方式;然后概述了增材制造合金材料力学性能4大影响因素的形成原因及机器学习在这些影响因素预测中的应用现状;重点介绍了ML和PIML在拉伸性能和疲劳断裂性能预测中的代表性研究成果;最后指出当前机器学习在力学性能预测中的局限性,并探讨了发展趋势和技术前景.

改进FFT算法在频域全聚焦超声成像中研究

针对钢块中孔洞缺陷的超声成像检测,目前普遍采用时域超声成像算法。该方法中的延时叠加过程需要进行重复、繁琐的迭代运算,无法满足高质量实时成像的需求,频域超声成像算法具有更高的成像分辨率和更快的成像速度。提出了一种针对任意非0值输入的基2-FFT输入分级截断算法,将该算法应用在频域FMC-PSM算法成像中,得到改进的FMC-PSM算法,用于钢块中孔洞缺陷检测超声成像。实验结果证明,相较于标准FMC-PSM算法,改进的频域FMC-PSM算法能够在呈现更高质量图像的同时将成像速度提高了15%,有望解决超声成像中成像质量和成像效率难以兼顾的问题。

基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于非相干光频域反射的多芯光纤网络链路缺陷智能检测

为了保证通信安全稳定、数据传输完整,提出了一种基于非相干光频域反射的多芯光纤网络链路缺陷智能检测。先构建多芯光纤网络数学模型,约束光纤节点映射和频谱分配,使频谱数量最少的同时占用的频隙数最大。然后利用分簇检测建立数据传输链路模型,得出通信传输函数,根据相关匹配滤波器调整链路,通过波特间隔均衡完成链路数据采集。最后运用非相干光频域反射步进频率调制产生的瑞利散射光波,结合傅里叶逆变换获得网络健康状况空间分布位置,实现多芯光纤网络链路缺陷智能检测。实验结果表明,所提方法能够准确检测出链路缺陷,对链路阻塞缺陷检测、链路平均故障风险检测率、链路频谱利用率缺陷检测误差分别小于0.4%、0.2%和0.5,且检测时长控制在1.5 s以内,可帮助网络及时恢复运行。

基于数据链的设备缺陷管理研究与实践

文章主要针对炼化企业机电仪设备的精细化检维修管理展开研究。通过对缺陷处理全过程的深入剖析,设计了一套基于数据链的缺陷处理管理方法。该方法包括流程再造、数据链管理和问题管理三大核心模块,实现了缺陷处理过程中各类信息的完整录入、汇总、分析及展示。这些过程数据不仅为设备精细化管理提供了坚实基石,更为企业数字化转型提供了全面、准确的数据支撑,也为保障装置的稳定、可靠和高效运行注入了强大动力。

基于域随机化的绝缘子缺损数据自动生成与评价方法

机器代人巡检已逐步在电力巡检场景中得到广泛应用,绝缘子作为维护电力系统安全可靠稳定运行的重要设备,对其缺陷进行准确有效检测具有重要意义。绝缘子缺损识别是绝缘子缺陷检测中的重要任务,针对当前绝缘子缺损数据样本较少且样本不平衡,模型泛化能力差、数据标注不精确的问题,该文提出基于域随机化的缺损样本自动生成框架与样本图像质量评估方法,在虚拟域到真实域的绝缘子缺损检测域适应问题上取得了较好的效果,并基于该方法生成图像标注数据供开源使用。该文提出的域随机化数据生成方法首先基于程序化建模生成结构可调的绝缘子伞盘模型并基于纹理噪声模型建立了包含陶瓷绝缘子常见色彩、纹理信息的程序化纹理模型,进而基于网格噪声模型建立了绝缘子缺损切割模块,随后通过域随机化生成完整的绝缘子结构、纹理模型、缺损结构、背景信息与场景物体。在图像渲染和自动标注环节,首先基于相机对准与能见度自动生成与调整拍摄点及相机参数,进而提出了基于光线投射方法建立数据标注类别判定方法,设置实例对应的图像渲染通道进行图像渲染,完成批量数据生成。该文采用域随机化生成的3000张虚拟数据在不修改YOLO V5网络结构、模型参数的基础上训练模型,在300张真实绝缘子缺损图像上进行测试,正常绝缘子识别准确率达到97.8%,召回率92.1%,缺损绝缘子识别准确率79.0%,召回率75.9%,各检测类别的准确率和召回率均高于基于400张真实图像训练得到的检测模型的推理结果。该文提出的图像样本质量评估方法考虑了与真实域数据的相似度和样本在数据集中的独立性,将所得评价结果代入损失函数权重计算,进一步提升了推理结果,缺损绝缘子识别准确率85.3%,召回率77.8%。

基于前景理论的软件缺陷预测过采样方法

在软件缺陷预测中,数据困难因子对预测性能的影响比类不平衡更为明显。然而,大多数现有软件缺陷预测过采样方法在解决类不平衡问题过程中,忽视了软件项目数据集固有的数据困难因子,从而导致预测性能不佳。针对上述问题,提出一种基于前景理论的过采样算法(POS)。POS同时考虑局部邻域中同类和异类样本的影响来评估少数类样本的学习难度,通过基于引力的策略构建同类收益和异类损失来刻画样本的前景值,并强调异类损失来计算少数类样本的采样权重,以此降低引入数据困难因子的风险,提高合成样本的质量,进一步提升预测性能。在NASA数据集上的实验结果表明,POS算法在AUC、balance和G-mean等性能指标上均有所提升,具有更好的缺陷预测性能。

基于全地形机器人的地下深空间涵管检测技术应用研究

涵管一般具有掩埋深、内部情况不明、结构复杂等特点,常规的缺陷检测技术易受管径、埋深、水深、淤积条件等诸多因素的影响,无法满足涵管检测工作要求。对于管道检测工作,目前国内科研人员在雨污水管道缺陷检测技术方面已经十分成熟,然而在地下深空间涵管检测方面研究相对缓慢,尤其是针对核电厂涵管的检测技术研究更少。以核电厂循环冷却水涵管为研究对象,系统地介绍水下机器人检测、全地形机器人检测、无人机飞行球检测技术的工作原理、适用情况和缺陷检测数据后处理方法,并结合工程实践,验证了全地形机器人在涵管检测任务中的应用效果,为以后类似工程的实施提供一定的借鉴意义。

基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测

在汽车核心零部件制造等关键领域,复杂铸件出现缺陷的后果尤为严重,因此对复杂铸件进行缺陷预测并提高其生产质量刻不容缓。本文针对实际铸造过程中采集到的6DM气缸体复杂铸件生产数据中气孔、砂眼等缺陷类别的数据量严重不平衡问题,对基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测进行研究,梳理了人工神经网络与复杂铸件缺陷预测的研究现状,结合企业现场生产情况,开展了需求分析,获取6DM气缸体复杂铸件生产数据。并基于SMOTE(synthetic minority oversampling technique)算法,创建了合成数据集,采用合成数据集作为训练模型的数据集,预测准确率达到99.37%。结果表明,构建的复杂铸件缺陷预测模型能够准确预测复杂铸件缺陷。

油气管道漏磁数据处理和缺陷识别量化方法的研究进展

漏磁法是最稳定的无损在线检测技术之一,用于评估油气管道的健康状况。从通道基线校正、异常值判别、数据缺口的恢复和滤波四个方面阐述了漏磁数据预处理的方法和步骤;结合漏磁数据缺陷的峰谷值等显性特征,总结了不同特征提取方法下缺陷信号的本质特征;介绍了基于支持向量机、神经网络、图像处理和形态学等方法构建缺陷反演模型。最后,从数据预处理和缺陷识别量化两方面展望了漏磁信号处理未来的研究方向。

De-DDPM:可控、可迁移的缺陷图像生成方法

基于深度学习的表面缺陷检测技术是工业上的一项重要应用,而缺陷图像数据集质量对缺陷检测性能有重要影响.为解决实际工业生产过程中缺陷样本获取成本高、缺陷数据量少的痛点,提出了一种基于去噪扩散概率模型(Denoising diffusion probabilistic model,DDPM)的缺陷图像生成方法.该方法在训练过程中加强了模型对缺陷部位和无缺陷背景的差异化学习.在生成过程中通过缺陷控制模块对生成缺陷的类别、形态、显著性等特征进行精准控制,通过背景融合模块,能将缺陷在不同的无缺陷背景上进行迁移,大大降低新背景上缺陷样本的获取难度.实验验证了该模型的缺陷控制和缺陷迁移能力,其生成结果能有效扩充训练数据集,提升下游缺陷检测任务的准确率.