摘要：介绍14辊铜带精轧机的结构、特点及其在生产中的应用情况。

摘要：文章根据对生产工艺需求的分析,重点对钛带修磨机组的主要部件配置及典型力能参数进行了分析和描述,对钛带的生产、设备设计制造及新建项目的生产线配置具有一定意义。

摘要：针对金属板带材表面缺陷呈现形式存在多样性和随机性而导致难以快速定位并准确识别的问题,提出一种融合多层次特征的Faster R-CNN缺陷目标检测算法(Defect-target detection network,DDN)。该算法采用多层次特征融合网络(Multilevel-feature fusion network,MFN)融合Faster R-CNN中VGG-16提取的各层次特征图,得到具有丰富位置信息和语义信息的融合特征图,后续网络基于该融合特征图产生最终的缺陷检测结果。利用钢带和铜板表面缺陷检测数据集评估本文算法性能,实验结果表明,提出的DNN能够快速准确检测出具有不同尺度的多类缺陷,与Faster R-CNN相比,在不损耗过多检测时间的前提下具有更优的检测精度,平均检测时间为129.65 ms或153.17 ms,平均准确率均值(Mean average precision,mAP)为86.13%或92.54%。

摘要：本文主要介绍我国铜板带生产的能耗状况,并对节能降耗技术进行了初步探讨。

摘要：深度学习在金属板带材表面缺陷检测中取得良好的检测效果,但随着网络层数的增加,针对较小样本的金属板带材表面缺陷数据集训练数据容易出现过拟合现象的问题,为此将残差网络与迁移学习结合提出了一种融合多层次缺陷特征的图像分类算法。该算法采用残差网络模块逐层提取金属表面缺陷特征,获得丰富的位置信息和语义信息缺陷特征的特征图,后续利用分类网络基于该融合特征图得到最终分类结果,同时对特征提取网络进行迁移学习,增加网络泛化能力,优化分类精度。利用钢带表面缺陷检测数据集评估本文算法性能,实验结果表明,提出的算法具有较好的分类效果,优于其他缺陷分类算法,分类准确率可达到99.07%,同时本文所提算法具有良好的抗噪性和泛化性,在金属板带材表面缺陷智能检测中具有较好的应用价值。