掘进机缺陷零件的修复

掘进机在煤矿开采中被广泛使用。分析了缺陷零件的结构 ,比较了缺陷零件 2种不同的修复方法 ,并在生产中得到应用。指出要想提高零件生产的合格率 ,必须加强企业生产管理。

基于机器视觉的零件表面缺陷自动检测识别研究

目前,零部件表面缺陷检测存在检测速度慢、效率低等问题,且针对某些形状较为复杂的工件,现有的检测系统不能灵活调整姿态来适应被检测的工件,针对这种种问题,文章以汽车轮毂为研究对象,在对汽车轮毂常见缺陷进行分析的基础上,提出了利用机器人视觉检测系统对其表面缺陷进行检测的方法,通过把手眼视觉系统安装在工业机器人的末端位置上,借助机器人自身的移动来调整手眼视觉系统采集图像时的姿态,最终实现汽车轮毂各曲面缺陷的检测,有效保障了轮毂的检测质量,对未来基于机器视觉技术的零件缺陷自动检测研究具有一定的借鉴意义。

基于MFA-UNet的铜制螺纹零件外表面缺陷检测

针对工业现场铜制螺纹零件外表面缺陷检测效率低和精度差的问题,提出一种融合多尺度特征与注意力的U型网络(Multi-Scale Features and Attention Fused UNet,MFA-UNet)模型的铜制螺纹零件外表面缺陷检测算法。首先,设计一种双路下采样模块,并行使用普通卷积和空洞卷积提升模型的特征提取能力;其次,在跳跃连接部分加入复合空间注意力模块,增强分割模型对空间信息和边缘信息的提取能力;然后,在上采样过程中加入压缩激励模块,提高模型的表达能力和特征选择能力;最后,提出一种相似度对比算法,比较分割图像和掩码图像的相似度,得到缺陷检测结果。实验表明,所提分割模型在铜制螺纹零件缺陷检测数据集上PA指标达到94.81%,MIoU指标达到93.78%;所提算法缺陷检测准确率达到98.9%,满足工业现场的使用需求。

基于 YOLOV7 的改进汽车零件缺陷检测算法

汽车零部件缺陷检测通常采用基于YOLOV7的深度学习模型,针对生产环境中计算资源受限的问题,提出了改进YOLOV7的汽车零部件表面缺陷检测算法,首先使用MobileNetV3模块替换YOLOV7骨干网络,其次将颈部网络替换为重复加权双向特征金字塔网络BiFPN和多路径高效设计BepC3模块,最后采用一种基于高斯Wasserstein距离的回归损失函数代替原有的损失函数。实验结果表明,该算法相较传统YOLOV7的AP50精度提高0.155,比YOLOx算法AP50精度提高0.139,在检测精度和效率方面综合表现优异。

基于机器视觉的航空发动机零件缺陷检测研究

为了更清晰和精确地呈现航空发动机零件缺陷,文章研究了基于机器视觉的航空发动机零件缺陷检测方法。该方法依据机器视觉零件缺陷检测原理,使用工业电荷耦合器件(CCD)摄像机拍摄航空发动机图像后,利用直方图规定化方式增强航空发动机零件的图像。

红外热成像的机械零件加工缺陷检测技术研究

随着机械生产规模的扩大化,机械零件加工质量要求相应提高,尤其是机械零件缺陷检测方面,要保证缺陷检测的全面性和准确性,使缺陷处理工作有方向、有效率地开展,真正提高机械零件加工水平。基于此,选择适合的机械零件加工缺陷检测技术,如红外热成像技术,在短时间内准确、高效展示零件缺陷信息。本文首先介绍红外热成像技术特点及分类,接下来分析当前机械零件加工缺陷检测的必要性,最后探究红外热成像的机械零件加工缺陷检测技术应用。通过实验,以比较方式证明FLIR-E85红外热成像技术比计算机纹理检测技术、噪声检测技术更具全面性和准确性,其中,缺陷像素点数量102510个,缺陷检测准确率大于92%。旨在为相关人员提供借鉴,扩大红外热成像的机械零件加工缺陷检测技术的应用范围。

机电设备零件缺陷激光熔覆修复过程温度场模拟研究

温度场是决定机电设备零件缺陷激光熔覆修复质量的重要因素,为了提升激光熔覆修复质量,提出机电设备零件缺陷激光熔覆修复过程温度场模拟方法。建立机电设备零件物理模型,根据该模型分析不同路径下的激光熔覆扫描过程,确立物理模型的信息参数。对物理模型实行网格划分,获取机电设备零件缺陷在修复过程中的温度场分布特征及变化规律。根据分析结果和物理模型对不同搭接率条件下机电设备零件缺陷激光熔覆修复温度场数值进行模拟,依据模拟结果实现激光熔覆修复,以此进一步提升机电设备零件缺陷激光熔覆修复质量。

基于深度学习的零件质量缺陷检测在制造业中的应用研究

主要介绍了基于深度学习技术的零件加工质量缺陷检测在制造业中的应用。传统的零件检测方法存在检测精度不高、人工干预较多等问题,而基于深度学习技术的零件加工质量缺陷检测方法可以有效地解决这些问题,提高产品质量和生产效率。文章以曲轴生产过程中两侧孔内部铁屑残留的检测为例,详细介绍了基于YOLOv5深度学习框架的自动化视觉检测系统方案。该系统使用PLC触发软件控制相机拍摄两侧孔内部图像,通过深度学习模型识别孔内是否存在铁屑残留,并将结果展示并保存在界面上,最终反馈给PLC合格与不合格信号。采用深度学习模型,可以快速、准确地完成检测任务,并且能够进行追溯和分析。文章还对比了传统目视检查方案和基于深度学习的检测方案的优缺点,并提出了硬件工装设计和优化建议。总体来说,基于深度学习的目标检测技术在制造业领域具有高效性、准确性、灵活性和可靠性等优势,能够帮助企业提高生产效率、降低成本,并且提高产品质量和安全性。该研究为零件目标检测领域的深入应用提供了借鉴和参考,也为其他工业自动化、智能安防和自动驾驶等领域的应用提供了启示。

基于视觉显著性的零件缺陷检测

为了提高零件缺陷检测的准确率,提出了一种基于视觉显著性算法的零件缺陷检测方法。首先将采集零件缺陷图像进行高斯差分滤波,以最大程度消除背景信息的干扰。然后对高斯差分滤波后的零件缺陷图像进行超像素分割,并利用全局图像对比方法构建超像素图像显著图,从而有效的提高缺陷的显著性。最后,采用最大类间方差法分割缺陷。试验表明该方法能提高零件缺陷的检测准确率。

基于机器视觉的零件缺陷检测算法

提出一种新的基于机器视觉的零件表面的缺陷检测算法。根据零件缺陷特点,系统采用二值化、中值滤波、形态学处理等方法对获取的图像进行处理。搭建了包括图像处理模块、上位机、图像采集部分的零件表面的缺陷检测平台。实验仿真结果显示,该算法能够准确识别零件表面缺陷,并具有较高识别率和鲁棒性。

基于深度学习的车辆零件缺陷检测方法

零件缺陷检测是汽车装配中的重要一环,需要从汽车生产车间的车辆组装图像中找出存在缺陷的零件。针对这一问题提出了一种基于深度学习的卷积神经网络分类模型。通过简化VGG16模型,借鉴inception V3思想,增加了融合层,设计了一个SF-VGG分类模型。实验结果表明,SF-VGG模型在自制数据集下的平均准确率高于Goog Le Net模型和VGG16模型,同时,在模糊图片数据集上也表现出良好的性能。因此,SF-VGG模型在车辆零件缺陷检测中具有有效性、准确性和可行性。

基于计算机图像处理的零件缺陷检测

以某种零件的螺纹缺陷检测为研究目标,利用计算机图像处理技术实现对无螺纹、半螺纹和螺纹质量低等缺陷的检测.通过对零件图像进行灰度化处理、二值化、图像平滑处理、锐化处理以及边缘检测等预处理,使得零件图像特征更容易被提取出来,再通过螺纹波峰波谷定位方法实现螺纹边缘特征提取,将波峰和波谷位置与标准零件模板进行比对,判别图像中的零件是否存在缺陷,最后,通过使用MATLAB的GUI工具设计缺陷零件图像检测系统,实现基于计算机图像的零件缺陷检测.

视觉系统在零件缺陷分析上的应用

在现代化的大生产之中,视觉检测已成为不可缺少的环节。如何选择合理的系统更是业内人士关注的焦点。此次视觉系统集成任务是合理地去选择视觉系统中各个部件单元来集成一个完善的、性价比高的机器视觉检测系统(不包括网络部分配置),以此来实现对实际生产中零件缺陷的检测。在介绍机器视觉系统概念及计算机图像处理技术的一些方法的同时,重点介绍在实际选择系统时应该注意的一些方面,并通过西门子机器视觉来说明图像处理系统在工业零件缺陷检测上的应用。

管子零件加工中的缺陷与工艺对策研究

管子零件加工对于船舶建造意义重大。管子零件加工过程中常会出现一些缺陷,严重影响加工质量和工作进度[1]。因此,要认真分析每一种缺陷的产生的原因,找出对策,制定相应的工艺措施,去改善或消除这些缺陷,以降低其危害。文章结合实践,总结并分析了管子加工常见缺陷产生的原因及其工艺对策。

基于计算机视觉的注塑零件表面缺陷在线检测研究

传统的注塑零件表面缺陷检测多采用人工抽检的方式进行,人工检测在数量较庞大时难以保证实时性,且人为主观判断的个体差异也会影响检测的质量。计算机视觉技术的发展,使得表面缺陷的在线实时检测变成可能。现有的缺陷检测系统多针对一种零件的一种或几种缺陷设计。根据注塑零件表面缺陷的特点,设计了一种根据零件形态、位置状态进行自适应形位校正,并计算Hu矩特征,再由光照相关相似度匹配实现缺陷识别的在线缺陷检测算法。算法仅需少量标注样本,且能够适应两种注塑零件和多种表面缺陷,实现注塑零件在线检测的自动化。

基于激光检测的零件缺陷定位方法研究与计算机仿真

为了提高元器件相关零件缺陷检测结果的应用价值,解决现有方法存在的时效性和精准性低的问题,提出基于激光检测的零件缺陷方法并进行计算机仿真。分析零件的缺陷类型及其特征,利用激光技术检测元件是否存在缺陷,为零件缺陷的检测提供数据支持。提取零件缺陷特征,计算缺陷可疑度。针对各种类型的元器件缺陷,实现零件缺陷的检测,根据元器件的缺陷优先级,先后输出检测结果。通过与传统方法的对比,设计的方法的时间开销更少、误检率和漏检率更低,即设计方法在时效性和精准性两个方面均具有明显优势。

基于计算机视觉的零件缺陷检测系统

本文介绍了计算机视觉和机器学习的概念和国内外发展现状,并且详细介绍了对于本次零件缺陷检测相对应的算法,和具体的处理流程,交代了算法的优越性以及使用原因。同时对于模型的局限性进行了总结并提出了解决方案。

关于自行车零件缺陷的分析

随着社会的发展以及时代的进步,我们国家近几年的国民经济水平有了很大程度的提升,在国民经济不断提升的背景之下,我们国家各个行业在发展的过程当中不断的获得更多的发展动力。究其原因主要是因为社会市场需求量不断增加的原因,当实际的社会需求量不断增加,那么一个行业的发展动力也就随着出现。就自行车行业来说,其一出现就已经受到了人们的喜爱,但是相关的自行车零件设计与制造仍然存在着很大的问题。因此,对自行车零件缺陷的分析有着鲜明的现实意义。

喷油泵零件缺陷检查与装配

阐述了喷油泵柱塞偶件磨损、出油阀配合面磨损、柱塞弹簧折断、推力盘磨损等零件缺陷的检查,及喷油泵装配技术要点,为喷油泵维修提供参考。