摘要：本文结合工程机械中金属结构件加工特点,分析该类产品数字化制造需求,设计并实现了金属结构件优化下料与生产管控系统。该系统首先构建了金属结构件产品结构模型,通过结构树的形式对产品信息予以维护,并根据此模型对订单信息进行管理;建立了优化排样、优化排产和设备负荷均衡等多目标优化模型,并综合应用零件聚类成组、临界多边形(NFP)和遗传/模拟退火(GA/SA)等算法进行求解;最后通过搭建车间生产管控软硬件平台,对金属结构件生产进行监控。应用该系统可以实现从订单管理、计划调度、优化排料和加工成型到构件焊接的整个生产过程管控一体化,为金属结构件数字化制造提供有力的技术支撑。

摘要：针对非结构化场景(工地、矿场)缺少特殊目标的通用数据集、复杂特征难以准确提取以及计算复杂度高的问题,构建了一个面向非结构场景的特殊目标检测数据集,并提一种轻量化目标检测模型YOLO-PT,以极低的计算量达到了较高的检测精度。通过构建分部特征计算(partial feature calculation, PFC)模型减少特征冗余信息的计算,并引入了多头自注意力机制来增强复杂特征的提取精度,同时设计多通道金字塔结构对多尺度特征进行渐进式融合,提高复杂对象的识别精度。最后在非结构场景进行实验验证,结果表明,所提出方法仅在4.3×10^(6)的参数量下就达到了53%的准确率,在精度、参数量以及浮点运算量上均优于其他方法。