基于AI图像分析的铸造原砂粒度粒形检测法

铸造原砂的粒形和粒度分布是原砂生产和使用过程中的重要衡量指标。针对筛分法存在的测量效率和测量误差问题,本文提出一种基于人工智能(Artificial Intelligence:AI)图像分析的铸造原砂粒度粒形测试方法,即采用工业相机采集原砂图像,通过AI图像处理技术对图像进行实例分割,然后对图像进行特征提取,统计出原砂的粒度分布和粒形分布。研究结果表明:基于AI技术的BlendMask实例分割模型能有效地分离粘连砂粒;采用圆形度、形状因子和方形度三个特征参数对原砂粒形进行K-means聚类,能够准确分析砂粒的粒形特征;采用等效椭圆法、面积占比等效质量占比法,可准确测得烘焙砂、烘干砂和宝珠砂三种铸造原砂的粒度分布,满足行业精度要求。

铸造原砂的模糊聚类分析

本文应用模糊控制理论 ,系统介绍了对铸造用硅砂进行模糊聚类分析的方法 ,并引入Haming距离概念 ,反映不同硅砂之间的接近程度。此方法为铸造生产中原砂的定量分类及选用提供了科学的理论依据 。

铸造原砂表面物理改性对其工艺性能的影响

研究了铸造原砂表面物理改性对其工艺性能的影响,通过碾压对铸造原砂表面进行物理改性,对比改性前后的物化检测结果和形貌变化,将改进前后的原砂制成标准的树脂砂试样,检测其抗拉强度的变化。试验结果表明:原砂经过碾压处理,砂粒之间相互摩擦研磨,砂粒比未处理前颗粒变小,分布更加均匀,粒形更加圆整,有利于有机粘结剂的使用;通过对试样抗拉强度对比分析可知,制成的树脂砂可用时间长,且抗拉强度更加稳定。

树脂砂用主要原材料性能及检测方法(3)

铸造老前辈、清华大学于震宗老师以86岁高龄,一边与病魔搏斗,一边完成了《实用湿型砂检测技术》和《湿型砂原材料测定方法》2本书稿,分别在本刊2010年1～6期和2011年1～4期以连载方式刊登。作者受于老师临终嘱托,仿于老师思路,参照标准又不拘泥于标准,为铸造企业型砂试验员编写了《实用树脂砂检测技术》的书稿;本刊将其分成"树脂砂性能检测技术"和"树脂砂用主要原材料性能及检测方法"两部分,前者已在本刊2012年1～4期连载刊登,后者从2013年第1期起连载。