注意力机制优化RetinaNet的密集工件检测方法研究

针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题,提出了一种注意力机制优化RetinaNet的密集工件检测方法。首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响,提高神经网络的特征提取能力;然后利用Soft-NMS构建新的预测框提高重叠定位精度;最后通过迁移学习的方法训练数据集,提高模型训练效率。在密集工件数据集上验证该方法的有效性,实验结果表明,改进后的方法检测精度达到了98.11%,相较于改进前提高了2.59%,单张图片检测速度达到了0.026 s,该方法能够满足实际工业生产过程中精准检测工件的目的,在保证速度的同时降低了漏检率和误检率。

基于改进SSD的密集工件检测

为解决柔性智能制造过程中对密集工件漏检率高的问题,提出一种基于改进SSD(single shot multiBox detector)算法的目标检测模型。首先,在SSD网络中融入RFB(receptive field block,感受野模块),提高网络的特征提取能力;其次,采用激活函数PReLU(parametric rectified linear unit,参数化修正线性单元)代替传统的ReLU激活函数,避免部分神经元出现“死亡”现象;然后,使用CIoU(complete intersection over union)对损失函数进行优化;同时,使用平滑标签、融入BN层(batch normalization,批量标准化)等优化方法防止过拟合现象。在构建的密集工件数据集进行实验,平均精度均值达到95.24%,较改进之前算法提高4.42%,满足实际工业需求。

工件较密集装罐时适当提高炉压的滴注式气体渗碳

1.问题的提出 对于滴注式气体渗碳,早就有通用渗碳工艺,其中在强渗期和扩散期的渗碳剂的供给量是根据工件总表面积的大小而确定的。 在滴注式气体渗碳中,一般主张炉压不宜高,大多认为,炉压调节在强渗期为200～300Pa,扩散期为150～200Pa,或者推荐炉压为294～588Pa。因为炉压高了不利于渗碳剂的分解。 这些结论,在一般情况下都是适宜的。但如果工件装罐较密集,工件总表面积较大(例如,