【摘 要】
：
玻璃在生产过程中会产生气泡、夹杂、疖瘤、污迹等多种缺陷。这些缺陷不仅影响了玻璃的美观,而且会降低玻璃的性能,因此在玻璃的生产过程中需要对玻璃的缺陷进行检测,进而提高玻璃产品的质量。目前基于视觉图像的玻璃缺陷检测方法主要有两大类:一是采用传统的数字图像处理技术,提取玻璃缺陷的特征,进而识别玻璃图像中的缺陷类别。这种方法较为成熟,但受限于光照、应用背景等因素,采样图片往往不统一,特征提取过程较为复杂。
论文部分内容阅读
玻璃在生产过程中会产生气泡、夹杂、疖瘤、污迹等多种缺陷。这些缺陷不仅影响了玻璃的美观,而且会降低玻璃的性能,因此在玻璃的生产过程中需要对玻璃的缺陷进行检测,进而提高玻璃产品的质量。目前基于视觉图像的玻璃缺陷检测方法主要有两大类:一是采用传统的数字图像处理技术,提取玻璃缺陷的特征,进而识别玻璃图像中的缺陷类别。这种方法较为成熟,但受限于光照、应用背景等因素,采样图片往往不统一,特征提取过程较为复杂。二是采用深度学习技术,通过数据驱动进行缺陷特征提取。该方法具有对缺陷数据集表达更高效、识别准确率更高等优点。本文通过优化深度学习网络结构,设计了一种改进型的AlexNet深度学习卷积神经网络模型,并对玻璃缺陷进行检测识别,主要工作如下:（1）搭建了实验平台检测系统。整个系统包括三个部分,分别是电气控制系统、机器视觉系统、电机传动系统。电气控制系统主要由电路主板和PLC组成;机器视觉系统包括光源、相机、镜头;电机传动系统是由伺服电机、传送带组成。（2）收集了5种典型玻璃缺陷数据样本,并通过平移、旋转、加噪、调节明暗度等数据扩展方法建立了玻璃缺陷数据集共6240张,其中训练集4616张,验证集624张,测试集1000张。采用LeNet-5卷积神经网络模型对其进行训练,引入ELU激活函数克服了训练初始阶段出现训练准确率和验证准确率不更新的问题。最后经过1300次训练,网络模型的训练准确率稳定在98%,类别平均识别率为63.6%。（3）采用AlexNet深度学习模型,通过可视化分析玻璃缺陷的特征图,对玻璃缺陷数据集进行分类检测研究。相比于LeNet-5模型,AlexNet模型具有训练速度快、准确率高等优点。经过1000次训练,AlexNet模型训练准确率达到100%,类别平均识别率为96.9%。（4）为了进一步提高训练速度和类别平均识别率,采用ELU激活函数和AdamW优化器,提出了改进型的AlexNet模型。改进后的AlexNet模型训练速度明显加快,类别平均识别率有所提高。对5类缺陷共1000张缺陷样本进行识别测试,经过90次训练,改进型的AlexNet模型训练准确率达到100%,类别平均识别率为99.1%。
其他文献
无功优化（Reactive Power Optimization）是实现电网的安全、经济、可靠运行目标的至关重要的途径之一,同时也是提升电能质量,降低线路损耗的重要手段。通过无功优化,合理配置无功功率,不仅可以降低电网运行过程中的有功功率损耗,而且可以稳定系统电压,保证电力系统合理运行。本文采用并行海鸥算法（Parallel Seagull Optimization Algorithm,PSOA）
钢筋混凝土结构因其具有良好的稳定性、耐久性、防火性且取材方便,建筑成本较低等优点,在各类建筑物中被广泛使用。钢筋混凝土结构在施工及使用期间一旦遭受冲击荷载作用,可能会导致结构损伤破坏甚至失去承载力而无法继续工作,因此,开展冲击荷载下钢筋混凝土结构的动力性能研究具有重要意义。本文将钢筋混凝土板的板面静荷载作为预加荷载,利用有限元软件ABAQUS建立预加荷载钢筋混凝土板的模型,对预加荷载钢筋混凝土板在
近年来,随着新能源汽车的迅速发展,作为新能源汽车制造领域核心技术之一的动力电池精益化、智能化生产技术也越来越得到各方面更多的重视。动力电池模组是新能源汽车动力电池的基本组成单位,尺寸精度对其抗压性、防爆性和密封性具有重要影响,是保障电池安全性能的重要指标。因此,如何在生产过程快速实现对电池模组尺寸的在线精准测量是动力电池生产技术中的一个关键,故本文开展了基于机器视觉的电池模组尺寸在线测量技术研究并
交通基础设施是公共基础设施中最重要的组成部分,是推动地区经济发展重要因素,是贫困地区实现由“输血”到“造血”转变重要基础,是乡村振兴战略重要前提与保障。伴随城乡融合快速推进,新时期乡村交通基础设施投资规模、经济效益不断增大,与乡村产业相连愈发紧密,与此同时,对其技术等级、质量要求不断提高。然而,当前乡村交通基础设施建设参与主体动力有限,存在资金、风险、管理、安全等诸多问题,导致建设质量与效率低下,
目前我国城市与农村地区低压线路老化损坏、绝缘短路等漏电流安全问题未得到有效解决,导致漏电事故频繁发生。传统的漏电流检测装置只能实现单相单路捕捉,部分情况下无法准确识别漏电流波形,对漏电故障处无法做出有效研判,也缺少可靠的数据支撑。本文提出了一种新型的基于NB-IoT的低压电网漏电流监测系统,该系统能准确识别漏电流导致的人体触电事故,能够实现漏电流信号的采集并通过NB-IoT模块传输至云平台以及移动
发动机曲轴作为汽车最重要的部件之一,主轴颈经常受到周期性载荷从而造成表面磨损、烧伤、擦伤等失效形式,采用激光熔覆修复汽车曲轴主轴颈不仅能够实现曲轴主轴颈修复的近净成型、减短修复周期,也能够提升曲轴工作可靠性与服役寿命。通过研究激光熔覆工艺参数与位移参数对同轴送粉喷嘴粉末流汇聚特性、熔覆层单道和两层多道的几何特性作用规律,构建两层多道熔覆层的成型精度的响应面模型,实现对曲轴主轴颈修复的成型控制,对完
随着计算机、人工智能和网络等技术的发展,交通运输领域的传统考试也正逐步向无纸化在线考试模式发展。自动评分算法是在线考试模式中重要的组成部分。准确和实用的自动评分算法有利于减轻教师的阅卷负担,同时可避免因教师主观因素导致的评分误差,增强了考试的公正性。目前,客观题的自动评分算法已经相当成熟。相较而言,主观题的自动评分算法多处于研究阶段。国内外学者已经对不涉及专业领域的主观题自动评分算法的开发投入了研
近年来,交通事故频发及其数量的居高不下使得驾驶安全形势日益严峻。现有研究表明,多达90%的交通事故与驾驶员因素直接相关,驾驶员的风险性驾驶行为造成了大量的人员伤亡和经济损失,特别是对于营运企业来说,一旦发生交通事故将导致极大的危险性与破坏性,缓解驾驶安全性问题刻不容缓。然而,如何有效地量化驾驶行为风险程度,并客观地评价其驾驶安全性,仍然存在着巨大挑战。随着大数据技术的长足发展,基于交通轨迹大数据的
2020年新春佳节之际,突如其来的新冠疫情席卷全球,为新兴产业的发展提供了强劲动力。在定点输送、病毒消杀等场景,智能驾驶车辆得到了广泛应用,有效缓解了疫情传播。加快发展智能驾驶车辆既是服务我国汽车产业的使命担当,也是应对各种危机的应时之举。智能驾驶技术在汽车领域具有明显优势,但核心技术以及关键问题仍需进一步突破。针对智能驾驶车辆的路径跟踪控制问题,本文基于线控转向系统对智能驾驶车辆开展了前馈反馈控
随着城市机动车保有量的迅速攀升,城市交通拥堵问题日益严峻,严重阻碍了城市的良性发展。交通流预测是缓解城市交通运行压力的有效手段之一,准确的路网交通流预测模型能够为交通部门制定合理的管理措施提供理论依据,降低公众出行的时间成本,从而缓解城市交通拥堵。然而,现有的路网交通流预测模型大多没有很好地捕获交通流数据蕴藏的时空相关性,且难以满足不同预测时长的精度要求。因此,本文围绕路网交通流预测问题展开研究,