三坐标测量机在航空发动机零部件检测中的运用分析

三坐标测量机在航空发动机零部件检测中,往往因为三坐标选择的型号(含精度)、测量功能、测量方法等因素造成测量数据不准确、测量效率低等。为了能够提高三坐标测量机在航空发动机零部件检测中的应用效果,对三坐标测量机发展进行了简要介绍,并针对三坐标测量机在航空发动机零部件检测应用中存在的这些问题,从航空发动机零部件特点、三坐标测量机检测航空发动机零部件的具体测量方法出发,本文提出了一些在现场特别适用的运用指导方法,希望可以改进三坐标测量机在航空发动机零部件检测中的应用效果。

基于改进YOLO V5S网络的视频图像桥梁施工部件检测方法

利用视频图像进行桥梁施工部件自动检测对提高施工过程管理效率具有重要意义,但施工现场环境复杂,导致检测效率较低。针对上述问题,提出了一种改进YOLOV5S网络的视频图像桥梁施工部件检测方法。首先提出了知识引导的桥梁施工部件数据集构建方法,用于确定多时段数据采集对象;其次,引入了注意力机制SimAM和轻量化模块,融合桥梁部件特征和降低模型参数量,并结合桥梁形态约束对预测框进行优化;最后,建立了桥梁施工部件检测数据集,并与其他经典模型进行对比实验。实验结果显示,该方法的mAP@0.5达到92.46,相对于现有优秀网络模型提高了1.07%~47.13%。同时,模型参数数量比YOLOV5S降低了13.02%,在保证较高检测精度的同时提高了效率。

汽车零部件检测方法及其应用流程分析

为了确保车辆的安全性和可靠性,在车辆生产过程中进行汽车零部件检测显得尤为重要,因为零部件质量直接关系汽车使用安全性。该文对汽车零部件检测进行概述,介绍汽车零部件检测方法及其应用流程,包括扫频测试、定频测试,以提高汽车零部件检测质量,满足人们的出行需求,进而推动我国汽车行业进一步发展。

汽车前底盘装配视觉检测系统设计与应用

为解决汽车底盘混流装配错装、漏装和人工检测效率低的问题,设计了基于YOLOv3-Tiny的在线检测系统。该检测系统利用4套光源-相机组合的成像系统,从多角度获取前底盘模块的全貌图像,利用基于差分统计的条纹识别算法剔除低质量图像;根据检测目标特性,简化非极大值抑制算法,优化检测过程。实验和现场运行结果表明:检测系统目标无遮挡检出率达到100%,综合识别准确率达到99.95%,平均检测时间3.5 s,较之前人工检测效率提升94.55%,检测系统具有较高的准确度和检测效率,在汽车工业中实现了柔性化和智能化的目标检测应用。

振动测试在汽车零部件检测中的应用分析

为保障车辆的可靠性和安全性,车辆生产过程中的汽车零部件检测环节尤为重要。本文阐述零部件振动测试的重要性,简单介绍振动测试系统的构成、测试方法及测试步骤。

基于改进YOLOv8s的配电设备红外目标检测模型

随着电力巡检技术的发展,利用无人机和红外热成像技术进行巡检逐渐成为电力巡检作业的一个重要模式。针对当前网络模型对配电设备识别准确度低、模型参数量大难以部署的问题,提出一种基于红外图像的配电设备目标检测方法。首先,针对原YOLOv8s模型参数量大、模型复杂的问题,提出在骨干网络和Neck部分将部分传统Conv卷积替换为GhostConv卷积,实现模型轻量化;然后,针对原YOLOv8s模型小目标识别能力差的问题,提出增加小目标检测层,提升小目标检测能力;最后,针对原YOLOv8s模型损失函数不利于普通质量样本预测回归的问题,提出使用Wise-IoUv3损失函数,聚焦训练过程中难以拟合的锚框的预测回归。研究结果表明,改进后模型的精确率达到87%,比原模型提升了4.1个百分点;召回率达到79.1%,比原模型提升了3个百分点;平均精确率均值达到83.5%,比原模型提升了1.5个百分点;推理速度为62ms/张,可有效应用于配电设备的部件检测。

基于红外图像处理的箱式变压器组件检测研究

为解决高原风电箱变巡视问题,减少巡视工作量,提高设备运行稳定性,针对基于红外图像处理的箱式变压器组件检测技术展开研究。构建YOLOv8模型作为本文实验的主要算法,在红外图像基础上,通过特征提取、目标检测头部网络、位置预测等步骤,设计检测算法,配置实验参数,训练模型。最后的实验结果表明,YOLOv8n模型mAP达到95.1%,在实验设备上识别速度达到0.35 s,与YOLOv3识别速度相比提升了74%,证明了YOLOv8算法在实际运用中可行性和有效性。

基于深度学习的配电设备红外目标检测模型

针对当前模型,对配电设备在复杂背景下存在识别准确度低的问题,构建了配电设备红外图像数据集,提出了一种基于深度学习的配电设备红外目标检测模型。基于YOLOv8s模型进行改进,在Neck部分将Concat替换为Concat_BiFPN,促进多尺度特征融合;在Neck部分加入上下文聚合模块Context Aggregation,助力小目标检测;使用Wise-IoU v3代替原来的损失函数,聚焦训练过程中难以拟合的锚框的预测回归;最后,在YOLOv8s分类器与回归器部分增加小目标检测层,提升小目标的识别能力。研究结果表明,改进后的模型与原模型相比,准确度、召回率、MAP和F1分数分别提升了4.5%、3%、2.1%和3.7,可有效应用于配电设备的部件检测。

一种基于联合学习的家庭日常工具功用性部件检测算法

对工具及其功用性部件的认知是共融机器人智能提升的重要研究方向.本文针对家庭日常工具的功用性部件建模与检测问题展开研究,提出了一种基于条件随机场(Conditional random field, CRF)和稀疏编码联合学习的家庭日常工具功用性部件检测算法.首先,从工具深度图像提取表征工具功用性部件的几何特征;然后,分析CRF和稀疏编码之间的耦合关系并进行公式化表示,将特征稀疏化后作为潜变量构建初始条件随机场模型,并进行稀疏字典和CRF的协同优化:一方面,将特征的稀疏表示作为CRF的随机变量条件及权重参数选择器;另一方面,在CRF调控下对稀疏字典进行更新.随后使用自适应时刻估计(Adaptive moment estimation, Adam)方法实现模型解耦与求解.最后,给出了基于联合学习的工具功用性部件模型离线构建算法,以及基于该模型的在线检测方法.实验结果表明,相较于使用传统特征提取和模型构建方法,本文方法对功用性部件的检测精度和效率均得到提升,且能够满足普通配置机器人对工具功用性认知的需要.

面向视觉检测的深度学习图像分类网络及在零部件质量检测中应用

基于深度学习图像分类是视觉检测应用的基本任务.该文系统总结基于模型深度化图像分类网络、基于模型轻量化图像分类网络及其他优化网络主要思想、网络结构、实现技术、技术指标、应用场景,指出网络模型深度化、轻量化分别有助于提高图像分类准确性、实时性.最后,面向零部件质量检测需求,应根据其类型多少、结构复杂程度、特征异同等特点,结合实时性要求,选择合适的图像分类网络构建零部件质量智能检测系统.

大型钢结构工业部件的高精度检测与放样系统

介绍大型钢结构工业部件的一种高精度检测与放样系统的组成、工作原理以及部件检测和放样方法。指明本系统可以达到的精度及适用范围。着重讨论工件坐标系的确定方法及与测量坐标系之间的变换原理 ,说明工件上点位 (如螺孔 )

输电杆塔弱纹理部件的可迁移式检测

输电杆塔关键弱纹理部件的通用检测方法依赖大量样本的标注和学习。在无相关部件样本训练情况下,本文提出一种可迁移的输电杆塔弱纹理部件检测方法。本文方法结合了孪生神经网络和互相关卷积用于融合样本块与待搜索区域的特征,其中通过样本部件掩膜裁剪以有效滤除背景噪声,最后在尺度、位置、交并比3个方面提出了对应的分数修正策略以提高检测精度。实验结果表明,本文提出的掩膜裁剪和分数修正策略有效提高了弱纹理部件的检出精度,按照AP50的标准,本文检测方法的平均准确率达到了98.0%,能有效避免由于观测视角、尺度以及光照带来的干扰。

自动物种识别中基于时频谱图形状的声学部件检测

概述了声音的自动物种识别在环境监测中发挥的重要的作用,创新性地利用时频谱图将可听的声音信号转换为可视的图像信号,并定义了构成动物叫声结构的基础声学部件。从图像处理的角度出发,设计了3种基于时频谱图形状检测声学部件warble,stacked harmonic和oscillation的算法;通过母考拉的叫声结构详细阐述这3种算法,并将这3种算法的识别结果与Raven和Song Scope进行了比较。实验结果表明,相较于Raven和Song Scope,本文设计的3种算法在识别精度上提高了10%。

轴类零部件检测仪中精密头架的设计

轴类零部件检测仪用于轴的径向、轴向等尺寸的高精度测量,精密头架起着支承和传动的作用,其设计质量直接影响整个仪器的测量精度。本文从回转精度、灵敏度以及平稳性等方面对头架提出设计要求,并对伺服电机的驱动力矩进行详细计算,运用有限元法(FEM)对精密头架的刚度进行仿真分析,确保其变形在允许的范围之内。

改进SSD算法在零部件检测中的应用研究

针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络MobileNetV3-Large替代SSD算法的主干网络VGG-16,图像输入长宽尺寸由300×300像素改为224×224像素,利用特征金字塔网络提升对体积较小零件的检测效果。以气动马达零部件的检测为例进行仿真实验;网络训练中,利用数据增强提高模型的鲁棒性。实验结果表明,改进后的SSD算法在提高对零部件实时性检测速度的同时,保证了检测的准确率。

基于图像匹配的透明车灯部件检测

针对车灯总成的完整性检测,提出了基于图像金字塔和归一化互相关函数结合的分层匹配算法。利用直方图均衡化和锐化滤波增强图像对比度以及边缘细节信息,再运用归一化互相关相似度函数实现车灯透明部件的匹配,同时采用金字塔分层来提高图像匹配的速度。通过实验确定了合适的匹配窗口大小、金字塔层数、相似度阈值等,实现了车灯透明部件的安装检测。实验结果表明:该方法对车灯透明部件的成功检测率可达到约95%,检测时间约50 ms,具有较高的准确率和实时性。

基于无人机前端和SSD算法的输电线路部件检测模型对比研究

基于深度学习的目标检测技术因其自身复杂的模型结构和对算力的需求,导致应用于无人机输电线路巡检中无法在机载前端实现高效且准确的检测。针对这一问题,面向输电线路无人机前端巡检中绝缘子、悬垂线夹及防震锤3类部件,选取Single Shot MultiBox Detector(SSD)目标检测算法,通过使用不同的骨干网络对比性能差异,选择最佳网络结构并采用特征融合手段提高检测准确率。实验结果表明,采用Mobilenet_v1作为SSD的骨干网络进行特征提取,并融合不同层次特征进行检测,Mean Average Precision(mAP)可达90.21%,在具有边缘计算能力的嵌入式设备上可以达到每张63 ms的检测速度。为输电线路无人机前端实时检测提供了重要参考。

典型轿车电控电动式动力转向系统结构分析与主要部件检测

本文以大众奔腾轿车为例分析了轿车电控电动式转向系统的结构以及工作原理,并对主要部件的工作原理和检测方法加以了阐述。

空间目标自适应光学图像椭圆部件检测

为了识别空间目标的椭圆部件,提出了一种基于自适应光学图像的椭圆检测方法。首先,利用RL(RichardsonLucy)方法对自适应光学图像进行复原,在此基础上,采用弧支撑线段(Arc-Support Line Segments,ASLS)方法对复原图像进行椭圆检测。针对ASLS算法使用的Canny边缘提取算法带来的“弧段过分割”和“语义信息差”等问题,提出了基于多尺度组合分组(Multiscale Combinatorial Grouping,MCG)边缘提取的解决方法。最后,针对ASLS算法使用优度指标等验证方法存在部分虚假椭圆的情况,综合利用多种几何指标进行约束,有效地消除了虚假椭圆。实验结果表明:椭圆中心点检测误差优于3 pixels,半长轴误差优于4 pixels,方向角误差优于3°。在重叠面积门限为0.65时,本文算法的准确率为85.7%、召回率为93.3%,F值指标为0.893,优于传统椭圆检测算法。