基于优化SSD-MobileNetV2的煤矿井下锚孔检测方法

为进一步提高煤矿井下打锚技术的自动化水平和安全性,提出了煤矿井下钢带锚孔自动检测方法。选取兼具检测精度与速度的SSD算法作为检测网络,以轻量化MobileNetV2为骨干特征提取网络建立了锚孔检测模型。针对煤矿井下钢带锚孔目标小、不易检测的问题,优化了先验框的设置,使得先验框进一步与有效感受野匹配,提高识别精度。该锚孔检测模型对于自建数据集中的锚孔目标识别准确率为94.24%,AP达94.08%,取得了较好的检测效果;检测速度可达84.73帧/s;模型大小仅为14.3 MB。模型经TensorRT优化并部署于NVIDIA Jetson Xavier NX硬件平台上,验证了模型的可应用性。

影响JJC-1E型灌注桩成孔检测系统精度的因素及改进措施

论文介绍JJC-1E型灌注桩成孔检测系统的检测原理,分析影响该系统检测精度的因素,并提出相应的改进措施。对该系统大孔径测量、垂直度检测时扶正器的选择、沉渣测量时的细节控制给出了合理化建议。强调了有效的修正、保养、标定、养护等措施对保持该系统的检测精度具有重要的作用。

基于线激光扫描和图像处理的基准孔检测技术研究

基于飞机大部件自动化制孔过程的需求,提出了一种基于线激光扫描和图像处理相结合的基准孔检测技术,用于解决机器人制孔前的自动基准检测问题。将线激光测得的三维点云坐标转化为二维灰度图,设计了边缘检测算法提取基准孔在二维图像中的边缘点,并将结果与经典边缘提取方法进行对比论证,再将这些边缘点转换回三维点云中,使用最小二乘法拟合计算出孔径和中心位置。针对边缘提取的坐标转换方法中将Z坐标转换为灰度值在一定程度体现了创新性,且该方法测量精度高,具有一定的应用价值。

手机玻璃面板摄像孔检测系统的氦氖激光器驱动电路设计

针对手机玻璃面板摄像孔检测系统的研究,介绍了一种氦氖激光器驱动电路的设计方法。选用氦氖激光作为检测光源,投射到玻璃面板的摄像孔后产生干涉,通过判断干涉条纹的质量来达到检测目的。提出氦氖激光作为本系统光源的重要性,同时结合实际分析氦氖激光产生干涉条纹不稳定的原因,接下来提出氦氖激光驱动器温度控制的解决办法,最后给出氦氖激光驱动电路原理及设计方法。实验结果表明,该驱动电路模块能稳定控制氦氖激光器光源的稳定性,满足系统要求。

基于机器视觉的多螺孔检测系统

提出了一种基于机器视觉的内螺纹检测算法,并在此基础上设计了一套多螺纹孔检测系统。首先从CCD获取的图像中提取出ROI(region of interest)区域,然后利用中值滤波去除图像表面噪声,通过形态学开闭运算对所得图像进行处理,最后计算螺纹图像沿螺孔母线方向的灰度曲线极值得到螺纹牙数,进而对于螺孔合格与否进行判断。实验结果表明,基于该算法的多螺孔检测系统能够有效地提高螺孔的检测速度,具有良好的检测精度,对外界光照变化具有良好的鲁棒性。

异孔检测及定位装置的应用

在现代化的装配流水线上,很多操作工序都是依赖于机械自动化完成的。如果在安装产品上支架板的同时,能否及时正确无误地判别支架板孔形的种类和形状,这就直接关系到产品的质量和产量。在产品上安装支架板的同时,马上能判别出是否符合产品所需要的支架板种类,若合格就能自动安装,若不合格就会马上报警更换支架板,这是我们所期待的理想状况。但谈何容易啊!这主要体现在其一:定位孔直径小;其二:要有识别圆孔和腰形孔的能力。针对以上的难题,我们设计了一种带有自动识别异形孔功能的识别装置。用全新新颖的科学设计理念,在机构应用上进行了有效突破,取得了能解决该项难题的优异成果。

基于改进最大类间方差法的靶板重孔检测

传统的自动报靶系统对于连发射击到靶板上的重叠弹孔检测率低,通常基于图像处理的自动报靶系统对重叠弹孔会识别成一个弹孔,漏检率高,为此提出一种基于改进最大类间方差法(Otsu法)的靶板重孔检测方法。采用改进Otsu法的弹孔识别方法将重叠弹孔与背景分割,再用两遍扫描法对分割后的图像进行处理,得到重叠弹孔区域,最后采用最小外接矩形法定位重孔区域的两个弹孔中心。结果表明:与传统霍夫变换相比,所提方法能有效定位重孔的两个弹孔中心和计算出中心坐标;该方法计算复杂度低,在缩短计算时间的同时还提高了弹孔中心定位的精确度,对于重合度不大于88.73%的重孔,弹孔中心测量误差不大于3像素,提高了对靶孔的检测精度。

基于模糊专家控制的微孔检测电压调节系统

介绍了密封包装食品微孔检测系统,并分析了传统控制难以实现密封食品微孔检测高频高压放电电源电压的实时精准在线自动调节的原因,设计了一种模糊专家控制器,采用正向推理机制,介绍了本模糊专家控制器的结构框图以及模糊知识库、模糊推理机等组成部分的具体内容,并将本模糊专家控制器应用到实际生产项目当中,取得了良好的控制效果。

灌注桩成孔检测系统在支盘灌注桩中的应用

结合支盘灌注桩施工技术的优点,从孔深与孔径测量、沉渣测量、垂直度测量三方面论证了灌注桩成孔检测系统在支盘灌注桩中应用的必要性,从而为该检测系统在支盘灌注桩中的推广应用奠定基础。

传火孔检测模块设计

针对目前小弹弹壳检测功能中传火孔的检测成本较高的问题,提出一种低成本思路,设计一种传火孔检测模块。该模块用激光光源照射弹壳底部,在光电池上投射出光斑。光斑面积不同在光电池上产生不同的电压,将此电压放大并与标准电压比较,判定光斑面积是否符合工艺要求,从而判断弹壳的传火孔的完整性指标是否合格。结果表明:该模块符合功能要求,且成本低,已在多条国内小弹生产线及出口生产线上得到很好的应用。

基于曲率滤波和反向P-M电动车充电孔检测方法

为了解决电动车人工充电作业的效率低下、场合限制、漏电隐患等难题,研究了基于曲率滤波和反向P-M扩散的电动车充电孔检测与定位方法,该方法能够从充电座图像中精确高效地提取目标物充电孔的特征,实现机器人的自动化充电。针对图像信号受强电磁干扰,采用了具有噪点识别能力和边缘保持特性的曲率滤波法进行图像除噪;由于充电座图像背景复杂、亮度不均以及干扰项多,导致常规分割方法失效,故研究了反向P-M扩散和BP神经网络(BPNN)相结合的分割方法。预处理图像经反向P-M扩散、差分运算、滤波及空洞填充得到P-M精确分割的连通域,再利用形态学击中算法,在P-M连通域中搜寻由BPNN粗略提取的连通域,从而得到精确的充电孔目标区域。最后,对所提出的方法进行验证测试,实验结果表明该方法能有效识别充电孔,并且检测速度、定位精度很好地满足充电机器人作业要求。

基于机器视觉的新能源电动车充电孔检测与定位方法

针对电动车辆人工充电环节的效率低下、场合限制、漏电隐患等难题,研究了一种基于机器视觉的新能源电动车充电孔检测与定位方法。该方法能有效获取目标充电孔的有用特征,实现机器人的自动化充电。首先采用中值滤波去除强电磁噪声的干扰;然后提出了基于HSI颜色模型的二阶段图像检测方法,包括HSI模型变换、Hue分量阈值分割、形态学操作、Canny算子边缘检测、鲁棒性拟合等步骤,并以亚像素的高精度提取出目标充电孔特征;最后,采用HALCON软件对设计算法进行验证测试,实验结果表明该方法能有效识别充电孔,且定位精度满足机器人作业要求,运行时间约为1051.2 ms。

液压元件贯通孔检测器

液压元件贯通孔检测器李真，王文元油路块上一般固定多个液压元件，如电磁换向阀、溢流阀、调速阀等，同时还配置高压油进口，低压油出口，压力表接口等，使油路中有很多孔，而且各孔贯通情况不同，孔深不等。不少人主要用卡尺检查孔深，用手电光或两根铁丝检查相关孔贯通...

钻孔监测仪在基桩成孔检测中的应用

从基础工程开挖出发较为全面地叙述了超声波成孔监测的工作原理及其在大直径钻孔灌注桩中的应用情况。文中列举了大量的工程实例,指出了成孔过程中经常出现的各种质量问题,从中取得许多宝贵的实际经验,这对加深认识超长钻孔灌注桩和全面控制施工质量大有帮助。

浅谈机械加工中的锥孔检测

锥孔加工在机械加工中经常遇到,而锥孔检测由于其特殊性,尤其着色面积的检测,国家标准虽有描述,但现场由于专业检验人员技能的差别,操作性不高。本文作者根据多年从事机械加工及检测方面的经验,介绍了涂色法检测锥孔一些经验方法。

关于机械加工中的锥孔检测研究

在机械加工中,经常会涉及到锥孔的使用。由于锥孔检测工作的要求比较高,具有一定的特殊性,检测难度较大,国家相关规范的描述也比较少。尤其是对着色范围的检测,加之技术人员的专业水平等问题限制,使得部分检测方法难以实现。本文主要探讨机械加工中的锥孔检测研究,主要通过涂色研合法进行锥检测,包含五个程序,通过对过程的详细分析获取检测结果。最后,举出检测实例。

CDJ-1型超声波大口径桩孔检测仪在温州地区钻孔扩底桩工程中的应用

介绍了CDJ-1型超声波大口径桩孔检测仪的基本原理、性能指标及在温州钻孔扩底桩工程中的应用效果。

基于深度学习的轻量化炮孔智能检测方法

在隧道(巷道)钻爆法施工过程中,智能装药可以取代人工作业,减少装药作业中危险事故的发生。然而,隧道中光线条件差、炮孔目标小和掌子面裂隙等因素会造成智能装药时炮孔的错检和漏检,同时车载计算机有限的算力也是制约炮孔识别大模型使用的难点。MCIW-2深度学习模型,可以解决在隧道掘进作业环境中的高精度炮孔检测和实时性部署问题。模型根据采集到的炮孔图像尺寸特征采取自适应锚框聚类算法优化检测框的长宽比尺寸参数;采用了具有动态非单调聚焦机制的损失函数WIoU(Wise Intersection over Union),通过优化边框回归的损失应对低质量炮孔图片的挑战实现了高精度检测;采用了MobileNetv3-Small网络与CBAM(Convolutional Block Attention Module)注意力机制构建了主干网络结构,减少了模型参数保证了检测准确率,满足车载设备的轻量化部署需求。经实验证明,MCIW-2模型在炮孔识别精确率方面达到了96.18%,检测速度达到了59 fps。与基准YOLO(You Only Look Once)系列目标检测模型文件最小的模型相比,所构建的轻量化炮孔智能检测模型减小了75.86%,模型文件仅为2.80 Mb,优于YOLO系列的基准目标检测模型。使用MCIW-2深度学习模型对工作面现场视频进行测试,实现了快速、精确地检测炮孔,测试结果表明,该模型适用于智能装药工程的轻量化部署需求,具有良好的适应性,在综合性能方面具有显著优势。

深孔光学检测技术及研究现状

深孔加工技术在制造领域被广泛应用。由于深孔内部空间有限,深孔检测存在困难,近年来光学检测方法得到关注,推动了深孔检测技术从人工检测向光学检测方向发展。本文阐述了现有深孔测量工具及存在的问题,总结了现有光学测量方法的测量原理、研究进展及优缺点,并提出了目前尚未解决的问题,最后对深孔检测方法的未来发展进行了展望。

集成视觉显著性和群决策的航空零件孔特征检测

为了实现复杂环境下航空零件孔特征的高效高精度检测,提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤,并为每个像素赋予以最大显著区域中心为参考的权重,使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法,结合轮廓细化算法对孔区域进行轮廓提取。最后,利用Meanshift算法寻找轮廓点的圆心位置,建立新的基于群决策的圆半径计算模型,获得孔特征的关键几何参数。结果表明:改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图;新型数学形态学边缘检测算法能获得简化且可靠的轮廓点;该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性;即使在噪声密度高达30%时仍能成功完成孔检测,且圆心坐标和半径的误差均小于0.012 mm;平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。