摘要：针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征域信息;提出面向卷积神经网络多维超参数自寻优的模型优化策略,提高模型的效率和性能。试验表明,所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗,具有较强的实用性和泛化性。

摘要：针对不锈钢焊缝缺陷特征提取存在主观单一性和客观不充分性等问题,提出一种融合迁移学习的AlexNet卷积神经网络模型,用于不锈钢焊缝缺陷的自动分类。首先,由于不锈钢焊缝缺陷数据较为缺乏,通过采用迁移学习对网络前3层冻结,减少网络对输入数据量的要求;对后2层卷积层提取的特征信息批量归一化(batch normalization,BN),以加快网络的收敛速度;并使用带泄露线性整流(leaky rectified linear unit,LeakyReLU)函数对抑制神经元进行激活,从而提高模型的鲁棒性和特征提取能力。结果表明,该模型最终达到了95.12%的准确率,相比原结构识别精度提高了9.8%。验证了改进后方法能够对裂纹、气孔、夹渣、未熔合和未焊透5类不锈钢焊缝缺陷实现高精度分类。相比现有方法,其识别面更广,精度更高,具有一定的工程实践意义。

摘要：在日常检验工作中,需要对树脂锚杆进行大量的型式检验。对目前该产品通用的两种检验工装进行了改进,使其更加符合试验仪器的要求,同时将两种工装合二为一,并且对其加工工艺进行了改进,使其强度更高、重量更轻。

摘要：大长径比镗杆对于深孔的加工有很好的效果,为设计性能较为优良的减振镗杆,采用数值模拟的手段,对三种镗杆方案进行了ANSYS静力分析。通过分析得出性能最为优良的减振镗杆,在镗杆一端加入橡胶阻尼提高了其减振性能,在另一端加入硬质合金提高了其刚度。

摘要：金属表面缺陷待测样本往往存在分辨率低、缺陷边界模糊、缺陷密集、缺陷目标小的情况,同时,构建的检测模型存在大量的超参数需要手动调参,缺乏模型自适应调参能力,本文提出一种基于贝叶斯优化的表面缺陷超分辨率检测算法.通过设计精细化分层结构,丰富主干网络特征图的感受野,增强对高低频信息的提取,重建出边缘纹理清晰的高分辨率图像;通过构建瓶颈残差密集结构,丰富主干特征提取网络的浅层特征和深层特征,提升模型对小目标和密集目标的分类和定位能力;通过贝叶斯优化算法以较小的时间代价自适应优化检测模型的关键超参数.实验表明,本文对NEU-DET数据集中6类金属表面缺陷的mAP_(0.5)可达0.782,同时检测速度可达102 f/s,优于其他检测算法.

摘要：提出了一种基于特征调和筛选的X射线不锈钢焊缝缺陷语义分割模型。通过池化与特征调和筛选块对输入图像进行下采样,利用特征注意模块为相同层级的特征图进行通道与空间重新赋权,并且使用反卷积逐步恢复特征图大小。实验表明:在X射线不锈钢焊缝缺陷数据集上进行语义分割识别性能时,本方法MIoU指数达到了53.87%,相较于其他方法,本方法具有更高的识别准确度与图像处理速度,具有一定的工程应用价值。

摘要：针对监控视频异常检测领域中存在数据集特征提取困难的相关问题,根据注意力机制在数据集上进行特征提取的能力,提出了一种嵌入注意力模块的神经网络模型。该神经网络模型能够以图像序列为输入,通过无监督学习训练得到训练模型。将训练好的神经网络模型应用到监控视频异常检测系统中进行实验,通过对比改进后的方法和原方法,证实了注意力机制在监控视频异常检测中可以起到非常好的作用,同时也说明了所提方法的可行性和有效性。

摘要：以裂纹、气孔、夹渣、未熔合和未焊透五类不锈钢焊缝缺陷为研究对象,通过Gabor小波变换对焊缝缺陷的超声信号进行特征提取,利用粒子群优化算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)优化后进行焊缝超声缺陷的识别,提高了对焊缝缺陷的分类精度。经过实验,证明所用模型对裂纹、气孔、夹渣、未熔合和未焊透五类缺陷的分类精度达到了96.36%。相比现有的方法,本方法识别面更广,精度更高,具有一定的工程价值。

摘要：针对当前带钢表面缺陷检测方法存在着检测速度低、检测判别特征提取不充分以及模型人工调参主观性强等技术性瓶颈问题,开展了基于模型自优化的带钢表面缺陷语义分割方法研究。在模型优化上,使用实体卷积替代原有的膨胀卷积,解决了边缘伪成像的问题,并且使用轻量化通道注意力机制模块,捕获了通道之间的依赖关系。构建了基于智能优化算法的关键超参数优化策略,使用改进全局搜索能力的麻雀搜索算法对模型整体的超参数组合进行寻优,选择影响效果最好的超参数,最终实现了自适应优化的带钢缺陷检测功能。在东北大学热轧带钢表面缺陷数据集上进行了实验,通过实验验证了该方法对夹杂、斑点和划伤等表面缺陷自动提取的可行性和有效性,满足了低配置、高性能的检测需求。