基于阿里云平台的矿山数字化智能管控系统设计与研究

数字化矿山智能管控系统能够提高矿山的生产效能和安全管理水平,可以实现对矿山运营情况有效管控,从而预防重大事故的发生。本文基于阿里云平台设计了一种矿山数字化智能点巡检管控系统,通过uni-app框架和Vue2.0并结合websocket等技术开发了PC端与小程序端的软件,具有可重用性、低维护成本、模块分离等优点,提高了智慧矿山管理系统的可用性、安全性和灵活性。

基于深度学习的钢表面缺陷检测方法综述

加工而成的钢材表面可能会存在一定的缺陷,对钢材的外观和质量造成严重的影响,这些缺陷可以通过多种方法来完成分类和分割。传统检测方法精度不高且效率低下,采用基于深度学习的钢表面缺陷检测方法可有效提高检测性能。文章总结了近年来诸多学者提出的基于深度学习的缺陷分类和分割方法,介绍了这些算法的特点以及基于这些算法得到的改进算法,并对各类算法进行了比较,得出各种算法的优缺点。最后,总结了现阶段基于深度学习的缺陷检测技术存在的问题,并对未来的发展进行了展望。