【摘 要】
：
将深度学习Faster R-CNN应用于列车轴承图像的表面缺陷检测。建立人工数据库BSD,通过对图像增广弥补数据不足的缺陷;采用Faster R-CNN算法进行目标检测和识别,卷积神经网络采用ZF Net模型,对BSD数据集训练,得到检测结果;并与传统检测方法Canny算法的检测结果进行比较。试验结果表明:和传统Canny算法比较,基于Faster R-CNN算法的轴承缺陷的检测精度为93.03%
【机 构】
：
内蒙古科技大学机械工程学院,内蒙古包头014010;包头职业技术学院电气工程系,内蒙古包头014010;内蒙古科技大学工程训练中心,内蒙古包头014010
论文部分内容阅读
将深度学习Faster R-CNN应用于列车轴承图像的表面缺陷检测。建立人工数据库BSD,通过对图像增广弥补数据不足的缺陷;采用Faster R-CNN算法进行目标检测和识别,卷积神经网络采用ZF Net模型,对BSD数据集训练,得到检测结果;并与传统检测方法Canny算法的检测结果进行比较。试验结果表明:和传统Canny算法比较,基于Faster R-CNN算法的轴承缺陷的检测精度为93.03%、检测时间为0.29 s,相比传统Canny算法检测精度提升21.73%、检测时间减少2.21 s,同时
其他文献
相关系数曲面拟合算法是数字图像相关方法中一种简单而高效的亚像素位移测量算法。在相关系数曲面拟合算法中,拉格朗日曲面拟合算法、二元三次多项式曲面拟合算法和二元四次多项式曲面拟合算法不能直接推导出亚像素位移量的解析解,而需采用迭代算法获得亚像素位移量。为对比分析上述3种迭代相关系数曲面拟合算法的性能,利用真实散斑图像对3种算法的计算精度与效率进行了对比实验。实验结果表明:3种算法的求解精度与效率从高到
以某麦弗逊悬架中的转向节为研究对象,利用有限元分析的方法验证其是否满足设计要求,并采用台架试验验证分析结果的可靠性.结合转向节的疲劳试验条件,通过有限元分析的方法计
针对异形薄壁件加工普遍存在效率低、变形大的问题,以一个典型异形薄壁件为例进行工艺流程优化和装夹方式优化,其中装夹方式优化引入了新设计夹具。采用对比试验的方式将优化前工艺与优化后工艺进行对比,并分析零件加工时间和尺寸精度。结果表明:优化后工艺加工效率较高,且零件精度显著提升。该工艺优化研究取得良好效果,对异形薄壁件加工具有指导意义。
GB/T 12642—2013《工业机器人性能规范及其试验方法》规定性能测试的环境条件包括:温度、相对湿度、电磁场和静电场、射频干扰、大气污染和海拔高度极限,忽略了周围环境振动对工业机器人性能的影响,特别是对位置重复性的影响。在不同振动环境下对同一台机器人的位置重复性进行检测,发现在防振条件下测得的位置重复性为0.009 mm,在未防振条件下测得的为0.015 mm,两者相差巨大。因此,在进行位置
为获取精冲液压机的实时能耗数据,通过研究液压机在单位工作周期内的能量流动、转化以及耗散过程,建立整机能耗的数学模型.基于LabVIEW,搭建能够实时监测精冲机能耗的平台.仿
针对传统机载导弹弹射装置存在的问题,设计一种以蓄能器提供弹射流量、伺服阀作为核心控制元件的液压弹射机构.论述了液压弹射机构工作原理,利用AMESim软件建立其仿真模型.仿
为提高电液举升伺服系统位置控制精度,提出一种基于改进的粒子群算法(MPSO)优化的自适应模糊PID控制策略.根据流体动力学原理,建立伺服阀控非对称缸系统数学模型,分析系统动
为研究轨迹误差的影响因素及规律,进行加工路径优化和轨迹误差预补偿,并提出一种基于辨识模型的轨迹误差预测方法。采用所建立的数控系统前瞻插补模块对G代码进行插补处理,获得离散位置指令;通过进给系统辨识模型对插补后的位置指令进行加工仿真,得到输出位置;根据插补位置数据和仿真得到的输出位置数据对加工轨迹误差进行计算。仿真结果表明:该方法可以快速计算数控机床联动加工时的轨迹误差值和分布情况,为轨迹误差的成因及规律分析、刀具路径的优化及轨迹误差预补偿的实施提供方法和数据支持。
以某型号离心风机为研究对象,针对风机叶轮在旋转时的耦合振动问题,采用大涡模拟的方法,对风机的内部流场规律进行数值分析,并与采用RNGκ-ε模型的分析结果对比.利用大涡模
医疗器械中体外诊断分析仪中使用的恒压恒流凸轮柱塞泵,其关键在于凸轮形成的轨迹曲线。根据柱塞运动的轨迹计算凸轮的轨迹曲线并在SolidWorks软件中进行仿真,发现凸轮的轨迹曲线与理想轨迹曲线存在偏差,从而影响凸轮柱塞泵恒压和恒流的性能。为了优化凸轮轨迹曲线,采用Catmull-Rom三次插值曲线拟合离散点及NURBS柔性曲线控制顶点位置和权因子两种设计方法,并将两种方法得出的凸轮曲线与理想轨迹曲线进行对比,结果表明:采用后一种方法,凸轮的轨迹曲线更接近理想轨迹曲线。为了验证计算结果,搭建凸轮柱塞泵测试平台