基于超分辨率模型与YOLO-V4的织物疵点检测

针对工业条件限制下采集的印花布数据集图像分辨率低、检测效果差等问题,课题组提出基于超分辨率模型SRGAN与YOLO-V4网络的织物疵点检测方法,并对SRGAN算法进行改进。课题组首先使用改进的SRGAN算法对原数据集进行超分辨率重构,提高图像分辨率;然后将重构图翻转变化与原图共同作为数据集输入YOLO-V4进行网络训练;最后通过YOLO-V4网络检测印花布表面疵点。实验结果表明:该方法可提高低分辨率织物图疵点检测效果,准确率高达90.29%,比超分辨率重构前提升了13.19%,能实现实时定位疵点的准确位置并输出疵点类别。

一种新的无线传感器网络分簇路由算法

无线传感器网络通常应用于条件恶劣,人迹难至的环境中。为了尽量覆盖检测区域,经常使用大规模随机播撒的方法部署传感器节点,这也造成了某些局部区域传感器过多,信息冗余,能量浪费的问题。而能量恰恰是无线传感器网络最重要的参数指标。在经典分簇路由算法的基础上通过基于经验的选择算法,使部署过于密集区域的节点能够在几次数据发射之后判断自己的信息是否是冗余信息,从而选择发送与否。这样就节约了相当一部分的节点的能量,仿真实验结果表明,该路由协议有效的延长了网络生存时间。

钢绞线查找焊点和探伤设备研制

用涡流法和漏磁法进行了钢绞线查找焊点和探伤实验,在实验的基础上专门研制了涡流探伤仪和漏磁探伤仪。讨论了钢绞线涡流与漏磁探伤的关键问题,即振动和锌疤引起的噪声问题,描述了解决上述问题的关键技术。