不锈钢激光焊接头超声导波检测与质量评价技术

半熔透型搭接激光焊工艺质量控制难度大,如何有效保证板层间的熔合宽度是开发和应用半熔透型搭接激光焊技术的关键。为此,开展薄板焊接接头超声导波检测方法研究,研发接头内部熔合宽度检测与评估系统,通过对超声导波信号时、频域特征分析,确定能够表现接头内部熔合状态的信号特征值,并以此建立能够有效区分不同焊接质量的评价模型,从而实现不锈钢半熔透型搭接激光焊接头内部熔宽的在线检测。研究结果表明,以超声导波时域信号上最大归一化幅值、频域上第一波峰和第二波峰的峰值为输入信息,采用BP神经网络算法进行分类预测,能够有效识别未熔合、熔合宽度不足、熔合宽度合格等连接状态,预测准确率可达94.4%。

基于中心修正网络和分耦检测头的三维目标检测算法

本文提出一种基于中心修正网络和分耦检测头的三维目标检测算法。首先,采用三通道图像块表现形式处理三维输入信息,使用二维检测框滤除背景点,减少数据量;然后,采用基于CSP Darknet模块的中心修正网络将得到的图像块中心对齐到目标坐标系下的真实中心;最后,使用基于1×1卷积的分耦检测头分别对参数化三维包围框的类别和残差值进行分类和回归。实验结果表明,改进的检测算法在KITTI数据集的简单、中等、困难3种模式下的3D平均精度较同类型算法分别提高了2.82,5.54和3.81,取得了较好的检测结果。

基于SKIP宏程序编程CNC无线测头在线智能检测系统设计

针对数控铣削加工精密零件尺寸精度测量时,因离线测量易产生测量误差、效率低、成本高等问题,通过赋值相关检测路径及补偿的参数,编写零件在线检测及误差补偿宏程序,开发了基于三菱M70数控系统跳过指令SKIP在线检测与误差补偿宏程序控制系统。应用结果表明:该系统在线检测重复定位精度能达到0.001~0.003 mm,能适用于精密零件数控铣削加工,具有一定的推广使用价值。

基于迅颈模块与单解耦头的航拍车辆检测方法

无人机航拍图像的目标检测需要大量计算资源,导致其在移动端上的应用受到限制,为此提出一种轻量化目标检测网络Faster S。首先,在颈部网络设计了由部分卷积和组卷积组成的轻薄迅颈模块,用以有效聚合不同尺度的信息;其次,在检测头部分设计了一种高效、轻量化的单解耦头输出结构(SDHEAD),用以进一步分离目标检测中分类和定位两个子任务的特征编码。在航拍车辆数据集CARPK上的实验结果表明:与特征金字塔网络(FPN)结构相比,采用迅颈模块提高了模型的检测精度,减少了模型的参数量;相比于其他检测头,SDHEAD具有更强的特征辨别能力;Faster S模型检测的平均精度(AP_(0.5))达到了70.9%,较Yolo-FastestV2提高了12.7%,较Fastestdet提高了3.5%,推理时间仅为29.56 ms,较Nanodet-m降低了76%,模型参数量仅为0.335 M。

用于检测电缆中间头故障的综合监测系统设计及应用

电力电缆相比于架空输电线路,其优点主要为运行可靠、不占地面、供电安全、维护工作量小等。文章旨在研究用于检测电缆中间头故障的综合监测系统的设计及应用,综合监测系统通过一体化检测装置实时检测中间电缆头的漏磁变化和温度变化,在检测出温度超过告警温度阈值后,启动CT成像功能构建中间电缆头的三维成像图,以供配网自动化平台根据温度变化和漏磁变化对成像图进行分析,然后判断出现场的故障情况以及故障类型,以安排进一步的提前消缺工作计划,防止电缆中间头的发生更严重的电力事故。

基于Actor-Critic自适应PID的钢筋套丝头跟踪检测控制系统研究

为适应流水线节奏,不影响生产进程,从而更好地实现钢筋套丝头质量检测和尺寸测量的自动化与智能化,设计了基于同步带直线导轨的钢筋套丝头检测跟踪系统,并提出了一种基于Actor-Critic的自适应PID控制方法,用强化学习的方法根据环境反馈自动调节PID控制器的比例、积分、微分参数。对该方法和其他PID控制方法的响应性能指标进行实验和分析,实验结果表明该方法能够实现高精度、快速响应的跟踪拍摄,保证高精度的套丝头质量检测。

基于X射线数字化成像技术的40.5 kV开关柜触头盒质量检测

作为高压开关柜的关键绝缘部件,触头盒主要起绝缘隔离和连接过渡的作用。触头盒发生局部放电会导致绝缘击穿,甚至引发相间短路故障,对开关柜的可靠性运行带来严重威胁。目前对于触头盒产品没有有效的质量检测标准,为此提出了采用X射线数字化成像技术对某40.5 kV开关柜的触头盒进行入网质量检测,并在安装阶段进行检测试验。检测结果发现同批次12件触头盒中有4件内部存在空隙类缺陷,为不合格产品。试验结论表明,采用X射线数字化成像技术检测触头盒的产品质量具有一定的实用性,这也为开关柜内其他绝缘部件的质量检测提供了参考和借鉴。

特征反馈机制优化的超声图像病灶检测算法

该文提出一种基于特征反馈机制的超声图像病灶检测方法,以实现超声病灶的实时精确定位与检测。所提方法由基于特征反馈机制的特征提取网络和基于分治策略的自适应检测头两部分组成。特征反馈网络通过反馈特征选取和加权融合计算,充分学习超声图像的全局上下文信息和局部低级语义细节以提高局部病灶特征的识别能力。自适应检测头对特征反馈网络所提取的多级特征进行分治预处理,通过将生理先验知识与特征卷积相结合的方式对各级特征分别进行病灶形状和尺度特征的自适应建模,增强检测头对不同大小病灶在多级特征下的检测效果。所提方法在甲状腺超声图像数据集上进行了测试,得到了70.3%的AP,99.0%的AP50和88.4%的AP75,实验结果表明,相较于主流检测算法,所提算法能实现更精准的实时超声图像病灶检测和定位。

基于YOLOv5的角度优化抓取检测算法研究

针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分,同时引入环形平滑标签以适应角度的周期性,建立相邻角度之间的联系,将YOLOv5检测头进行解耦,并对损失函数进行优化,提高检测精度。在Cornell数据集上进行实验验证。实验结果表明,与经典的抓取检测方法相比,所提算法能够更好地预测抓取角度,提升抓取检测精度;在Cornell数据集上,此模型达到了97.5%的准确率以及71FPS的检测速度。

基于MCB-FAH-YOLOv8的钢材表面缺陷检测算法

针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YOLOv8。通过加入改进后的卷积注意力机制模块(CBAM)对密集目标更好的确定;通过将FPN结构改为BiFPN更加高效的提取上下文信息;通过增加自适应特征融合(ASFF)自动找出最适合的融合特征;通过将SPPF模块替换为精度更高的SimCSPSPPF模块。同时,针对微小物体检测,提出了四头ASFF预测头,可根据数据集特点进行替换。实验结果表明,MCB-FAH-YOLOv8算法在VOC2007数据集上检测精度(mAP)达到了88.8%,在NEU-DET钢铁缺陷检测数据集上检测精度(mAP)达到了81.8%,较基准模型分别提高了5.1%和3.4%,该算法在牺牲较少检测速度的情况下取得较高的检测精度,很好的平衡了算法的精度和速度。

双向多尺度特征融合的高效遥感图像车辆检测

针对遥感图像中车辆检测面临的背景复杂、多尺度差异和小目标难以检测等挑战,提出了一种基于双向多尺度特征融合的检测方法GEM_YOLO。该方法包括三个主要部分:设计了全局高效注意力模块作为特征提取器,实现轻量化和高效率的特征提取,以解决复杂背景下的目标检测问题;提出了双向多尺度特征融合网络作为特征融合器,采用自顶向下和自底向上的特征融合策略,有效促进不同层次特征之间的信息交互;应用基于注意力的动态检测头作为预测器,增强了对不同尺度、空间位置和任务的感知,进一步提升了目标检测的精度和鲁棒性。在公开数据集DIOR和DOTA上进行相关实验,该方法的平均精度均值达到92.4%和81.4%,显著优于其他主流检测方法,同时具有更少的参数量和计算量,为遥感图像检测领域中的车辆检测提供了一种高效解决方案。

融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测

针对带钢表面缺陷在实际场景中检测精度低,易出现漏检和误检的情况,构建一种YOLOv5-CFD模型对带钢缺陷目标进行更精确的检测,该模型由CSPDarknet53、FcaNet与解耦检测头(Decoupled head)组成。首先,采用模糊C均值(FCM)算法对东北大学公开的NEU-DET热轧带钢表面缺陷检测数据集中的锚框进行聚类,优化先验框和真实框之间的匹配度;其次,为提取目标区域丰富的细节信息,在原始YOLOv5算法基础上添加频域通道注意力模块FcaNet;最后,采用解耦检测头将分类任务和回归任务分离。在NEU-DET数据集上的实验结果表明,改进的YOLOv5算法在引入较少参数量的情况下,检测精度提高了4.2个百分点,平均精度均值(mAP)达到85.5%,每秒传输帧数(Frames Per Second,FPS)达到27.71,与原YOLOv5相差不大,能够满足检测实时性的要求。

高阶深度可分离无人机图像小目标检测算法

当前无人机图像中存在小目标数量众多、背景复杂的特点,目标检测中易造成漏检误检率较高的问题,针对这些问题,提出一种高阶深度可分离无人机图像小目标检测算法.首先,结合CSPNet结构与ConvMixer网络,深度可分离卷积核,获取梯度结合信息,并引入递归门控卷积C3模块,提升模型的高阶空间交互能力,增强网络对小目标的敏感度;其次,检测头采用两个头部进行解耦,分别输出特征图分类和位置信息,加快模型收敛速度;最后,使用边框损失函数EIoU,提高检测框精准度.在VisDrone2019数据集上的实验结果表明,该模型检测精度达到了35.1%,模型漏检率和误检率有明显下降,能够有效地应用于无人机图像小目标检测任务.在DOTA 1.0数据集和HRSID数据集上进行模型泛化能力测试,实验结果表明,该模型具有良好的鲁棒性.

基于YOLOv5水下目标检测算法研究与改进

在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR(Swin-Transformer)旋转窗口来对YOLOv5s的主干层(Backbone)部分进行更改,提高模型的泛化能力,进而解决水下环境恶劣以及检测目标形态变化带来的问题。使用FReLU激活函数与CBAM注意力神经机制结合成的FCM注意力机制,将其嵌入到YOLOv5s的骨干网(Neck)部分,以用来突出目标特征并抑制次要信息,从而提高算法精度,加强小目标的特征提取。小目标检测方面,在YOLOv5结构上增加小目标检测头,以提高感受野,进而提高小目标的检测精度。仿真和实验结果表明:所提方法相较于YOLOv5s检测准确率P上升1.47%,精确度mAP@0.5上升2.76%,小目标检测效果明显,证明了方法的有效性。

基于最小二乘法CNC无线测头智能检测控制系统设计

为提高CNC在机检测效率和质量,针对现有的接触式测头各种检测误差,研究一种基于最小二乘法曲线拟合插值方法的测量误差补偿模型,该算法通过最小二乘法分别对测头模型标定、系统测量误差补偿模型构建,设计了一套精度较高的CNC无线测头智能检测与控制系统,达到在机测量零件尺寸精度和误差补偿。生产结果证明该系统误差补偿算法的可行性、有效性与优越性较高,提高了生产效率、生产质量,降低了次品率、生产成本,能广泛适用于CNC数控铣削精密加工零件尺寸测量与误差补偿。

基于双动态头Sparse R-CNN的表面缺陷检测算法

为了减少缺陷检测中的冗余检测,提出基于双动态头Sparse R-CNN的缺陷检测算法,2个动态头的责任不同:第1个负责不同尺度和空间的特征提取,第2个负责匹配可学习的提议特征。为了更好地提取图像细节信息,改进特征金字塔(FPN)为特征金字塔网格(FPG),并且与第1个动态头相结合进行特征提取。其次,提出了交流注意力来改进检测阶段的多头自注意力模块,减少随着迭代注意力图相似导致建模能力下降的问题。最后,改进边框回归损失函数GIoU为Alpha-CIoU,加速收敛并提升检测的精度。实验结果表明:算法在晶圆和热轧钢2种表面缺陷数据集上都取得很好效果,平均精度分别为94.3%和88.1%。

基于改进YOLOv3的集卡车头防砸检测

在自动化港口集装箱起重机作业流程中,集卡车头防砸检测是不可或缺的一个环节.针对在此环节采用人工确认方法效率低和基于激光扫描方法耗费高、系统复杂的问题,本文提出一种基于作业场景视频图像和深度学习的算法对集卡车头进行目标检测.建立集卡车头样本数据集,采用DCTH-YOLOv3检测模型,通过模型迁移学习方法进行样本训练.DCTH-YOLOv3模型是本文提出的一种改进YOLOv3算法模型,该算法改进了YOLOv3的FPN结构提出一种新的特征金字塔结构—AF_FPN,在高、低阶特征融合时通过引入具有注意力机制的AFF模块聚焦有效特征、抑制干扰噪声,提高了检测精度.另外,使用CIoU loss度量损失替代L2损失,提供更加准确的边界框变化信息,模型检测精度得到进一步提升.实验结果表明:DCTH-YOLOv3算法在GTX1080TI上检测速率可达46 fps,相比YOLOv3算法仅降低了3 fps;检测精度AP0.5为0.9974、AP0.9为0.4897,其中AP0.9相比YOLOv3算法提升了16.4%.本研究算法相比YOLOv3算法,精度更高,更能满足自动化作业对集卡防砸检测高精度、快识别的要求.

改进YOLOv5s的铁路异物入侵检测算法

行人、车辆等异物侵入铁路界线,严重威胁行人安全和铁路交通安全.针对传统铁路异物入侵检测方法精度低、时效性差等问题,提出改进YOLOv5s算法的铁路异物入侵检测模型SD-YOLO.本文提出SSA混合注意力机制,加强模型的局部表征能力,提高小目标识别效果;提出DW-Decoupled Head解耦检测头,加快网络收敛速度;引入边界框回归损失函数SIoU,提高了模型的检测精度;使用转置卷积作为采样方法,采样更适合铁路侵限障碍物特征的尺寸和比例.在数据集RS和Pascal VOC 2012进行实验验证,与基线YOLOv5s算法相比,平均精度mAP@0.5分别提高了2.7%、1.8%,mAP@.5:.95分别提高了2.9%、2.1%,检测速度分别达到79 FPS和78 FPS,表明该算法在检测精度和速度上均取得良好的性能,有效改善了漏检、误检问题,提高了小目标识别能力.

高压管汇中活动弯管BC直接头失效分析

高压管汇作为压裂设备核心部件之一,比泵头体、泵阀等易损件失效危害更大。为此,以失效活动弯管BC直接头为研究对象,采用硬度检测、金相检验、扫描电镜检测等手段分析了失效直接头材料力学性能和断口形貌,并利用有限元方法计算了直接头轴肩根部含初始缺陷处的应力强度。分析结果表明:BC直接头失效是由应力集中导致的脆性断裂而产生;应力集中、组装配合不当使其受力不均、材料硬度偏高和力学性能不达标,由此造成接头在循环载荷作用下发生脆性断裂;建议严格控制接头原材料复检及产品质量检验,规范产品结构组装标准,定量规范管汇安装标准。所得结论可为压裂高压管汇接头的失效分析提供理论参考。

改进YOLOv5的无人机小目标检测方法研究

无人机拍摄图像的小目标具有特征信息不明显、背景复杂和部分目标遮挡的特点,导致检测时会出现误检和漏检的问题。针对这些问题,提出一种改进YOLOv5的无人机小目标检测方法SDT-YOLOv5。首先对数据集图像进行切片处理,使得每个切片中小目标的占比变高,提高小目标的识别能力。其次采用动态解耦检测头,引入动态卷积和自适应感受野机制,同时将检测头的分类和回归分支解耦,以实现更强的特征表达和提取能力。最后提出了基于最小点距离的交并比损失的最佳传输分配方法。最小化预测边界框与真实边界框之间的左上角和右下角点距离,再基于边界框的位置信息和距离度量,以最小化总成本为目标,找到最优的真实边界框与预测边界框匹配方案,提高检测的准确性。在VisDrone2019数据集上进行实验,结果显示改进YOLOv5的mAP50值达到了58.5%,相比于原始YOLOv5的mAP50值提高了23.2个百分点。这表明改进方法有效地提高了无人机小目标的检测精度,能够更准确地检测到小目标。