双零铝箔线性针孔缺陷成因分析

为解决双零铝箔轧制生产过程中针孔度超标的问题,采用光学显微镜、扫描电子显微镜和能谱分析仪等检测手段,同时进行生产现场跟踪,对双零铝箔针孔缺陷进行了金相组织观察、微观形貌检查和能谱元素分析,综合分析了样品针孔缺陷的本质和产生的原因。结果表明:样品针孔缺陷处存在大量由C、O、Al、Cl和Na等杂质元素构成的夹杂物。形成针孔缺陷的主要原因为上述夹杂物的存在导致铝箔金属基体连续性遭到破坏。通过严格控制原辅材料和改善熔体质量等措施,使针孔缺陷得到有效控制。

基于Faster R-CNN的煤岩识别与煤层定位测量

传统机器学习的煤岩识别技术大多数采用的是手工设计图像特征,并结合滑动窗口的方式对煤岩图像进行特征提取,再经过分类器进行分类和识别,存在图像特征设计难度大、耗时长、泛化性差等缺点。针对传统机器学习的这些缺点,采用了一种基于机器深度学习Faster R-CNN的煤岩识别方法。首先利用采煤机上的监控摄像机现场采集煤岩图片数据集,将图片输入到VGG16卷积神经网络,对煤岩图像特征进行提取,将提取出来的特征图经过区域建议网络(Region Proposal Network),对图像上的煤岩进行初步定位与分类,最后经过R-CNN网络精确定位分类,输出煤层边界点的像素坐标值。解算出监控摄像机内外置参数,结合理想针孔线性成像模型,将图片中所定位到的煤层边界点(煤层角点)的像素坐标值转化成矿井测量坐标值,为采煤机自动调整滚筒空间位置提供数据依据。